【python】YOLOv5のサンプルをCPU環境で実行【windows10】

概要

YOLOv5を実際に自分のPCで動かしてみた
GPUなんて大層な物は積んでいないため、CPU版を導入してみた

環境

使用PCスペック
・Windows10 Home 64bit
・CPU：Intel Core(TM) i5-3230M CPU @ 2.60GHz
・メモリ：4.00GB
python環境
・python：3.6.8
各種ソフト
・git：2.28.0.windows.1

苦戦したところ

・YOLOv5はpython3.6系安定（3.7以降はダメらしい）
　＞python3.6系を使用する（仮想環境推奨）
・pytorch（CPU版）の公式の方法でのインストールが失敗する
　＞whlファイルを保存・pipでファイル指定してインストールする
・pycocotoolsが入らない
　＞Microsoft Visualstudio C++ Build Toolsが必須

全体の流れ

１、YOLOv5本体を入手（git clone）
２、C++ Build Toolsの導入（pycocotools導入用）
３、一部ライブラリを手動で入れる（pytorch, torchvision）
４、pip install で残りの必要ライブラリを導入
５、YOLOv5のサンプルを実行する

１、YOLOv5本体を入手（git clone）

以下のコマンドを実行

> git clone https://github.com/ultralytics/yolov5.git

「YOLOv5」というフォルダが生成される

２、C++ Build Toolsの導入（pycocotools導入用）

公式サイト（https://visualstudio.microsoft.com/ja/downloads/）から、インストーラを入手する

ダウンロードしたファイルを実行
（画像では「vs_buildtools__1608834363.1607131602.exe」）

以下の場所にチェックが入っているか確認
・画面左側（赤枠部分）
　・C++ Build Tools
・画面右側（青枠部分）
　・MSVC v142 - VS 2019 C++ x64/x86 ビルドツール
　・Widnows 10 SDK
　・Windows用C++ Cmakeツール
　・ツール用のコア機能のテスト - ビルドツール（不要かも）

右下のボタンをクリックする（容量があるため、時間がかかる）
完了したら、念のためPCを再起動する

３、一部ライブラリを手動で入れる（pytorch, torchvision）

pytorch公式サイト（https://pytorch.org）から、whlでダウンロード。
ファイル名を指定してpipで導入する

pytorch公式サイトで、導入コマンドを確認
対応バージョンを確認しておく
（このコマンドを入力してもエラーが返ってきた）

私の環境ではファイル名は以下の通りでした。
・torch-1.7.1+cpu-cp38-cp38-win_amd64.whl
・torchvision-0.8.2+cpu-cp38-cp38-win_amd64.whl

公式サイトのアーカイブ（https://download.pytorch.org/whl/torch_stable.html）から、
上記２つのwhlファイルをダウンロードする
場所は「Previous Versions Of PyTorch」→「Wheel」の「Linux and Windows」の「# CPU only」と書かれたすぐ下のコマンドの、URLをブラウザの検索に張り付ける（https://download.pytorch.org/whl/torch_stable.html）

それぞれファイル名を指定してpipで導入する

> pip install torch-1.7.1+cpu-cp38-cp38-win_amd64.whl
> pip install torchvision-0.8.2+cpu-cp38-cp38-win_amd64.whl

４、pip install で残りの必要ライブラリを導入

残りの必要ライブラリを導入する（ここでpycocotoolsも一緒に導入）

> pip install -r requirement.txt

実行後、下記コマンドで導入できているか確認

> pip list

出力確認
・pycocotools　：2.0.2
・pytorch　　：1.7.1+CPU
・torchvision　：0.8.2+CPU

これで環境構築完了

５、YOLOv5のサンプルを実行する

サンプルにあるバスの画像（yolov5/data/images/bus.jpg）を使って予測させてみる
detect.pyのディレクトリで以下のコマンドで予測する

> python detect.py --source data\images\bus.jpg

正常実行されれば、以下の場所に結果を可視化した画像が出力される（yolov5/runs/detect/exp*）

※初回実行時はモデルのダウンロードが発生するため、
　結果が出力されるまで、少し時間がかかる。

まとめ

Windows10 CPU環境でYOLOv5のサンプルを実行した
VOTT等ラベル付けツールを使用して、YOLOv5を転移学習させてみるのも面白そうですね！