本章博客主要分析YoloV5代碼中的detect程序代碼，按照程序運行步驟順序主要分為3大部分。

1、包與庫的導入

1.1 導入安裝好的python庫、torch庫等等

其中：argparse模塊、os模塊、sys模塊都是Python內置模塊。
argparse模塊：它是一個用于命令項選項與參數解析的模塊，通過在程序中定義好我們需要的參數，argparse 將會從 sys.argv 中解析出這些參數，并自動生成幫助和使用信息；
os模塊：它提供了多種操作系統的接口。通過os模塊提供的操作系統接口，我們可以對操作系統里文件、終端、進程等進行操作；
sys模塊：它是與python解釋器交互的一個接口，該模塊提供對解釋器使用或維護的一些變量的訪問和獲取，它提供了許多函數和變量來處理 Python 運行時環境的不同部分。

from pathlib import Path

該段代碼意思是指從External Libraries->pathlib->path 導入Path庫，具體說明如下：
Path表示文件系統路徑，但與PurePath不同，它還提供方法對路徑對象進行系統調用。根據您的系統，實例化路徑將返回PosixPath或WindowsPath對象也可以直接實例化PosixPath或WindowsPath，但不能在POSIX系統上實例化WindowsPath，反之亦然。

import torch import torch.backends.cudnn as cudnn

添加torch庫，CUDNN 是英偉達專門為深度神經網絡所開發出來的 GPU 加速庫，針對卷積、池化等常見操作做了非常多的底層優化，比一般的 GPU 程序要快很多。在使用 GPU 的時候，PyTorch 會默認使用 CUDNN 加速。

1.2 導入相對路徑下的庫

導入、添加項目文件下相對應的文件夾中的庫文件。

1.3 定義一些文件路徑

_ _ file _ _表示當前detect.py的文件路徑，第一行代碼獲取其絕對路徑，第二行代碼獲取其根目錄，sys.path表示模塊的查詢路徑列表。

2、執行函數

if name == ‘main’:的作用，一個python文件通常有兩種使用方法，第一是作為腳本直接執行，第二是 import 到其他的 python 腳本中被調用（模塊重用）執行。因此 if name == ‘main’: 的作用就是控制這兩種情況執行代碼的過程，在 if name == ‘main’: 下的代碼只有在第一種情況下（即文件作為腳本直接執行）才會被執行，而 import 到其他腳本中是不會被執行的。
（1）解析命令行傳進的參數；opt = parse_opt()
該段代碼分為三部分，第一部分定義了一些可以傳導的參數類型，第二部分對于imgsize部分進行了額外的判斷（640*640），第三部分打印所有參數信息，opt變量存儲所有的參數信息，并返回。
（2）執行命令行參數； main(opt)
該段代碼分為兩部分，第一部分首先完成對于requirements.txt的檢查，檢測這些依賴包有沒有安裝；第二部分，將opt變量參數傳入，執行run函數。

3、Run函數

run函數的整體運行部分可以概括為6個部分。

3.1 對source傳入的東西進行額外判斷

此處的source對應run函數中的source,代表圖片路徑；第三行代碼判斷是否傳入為文件地址，IMG_FORMATS表示各種圖片類型，VID_FORMATS表示各種視頻類型；第四行代碼判斷是否為網絡流傳入；第五行代碼source.isnumeric判斷是否傳入為數字，–source 0,數字0表示打開電腦的第一個攝像頭；如果是一個網絡流且是一個文件，就會進行下載操作。

3.2 新建了一個保存結果的文件夾

代碼中的 project 指 run 函數中的 project，對應的是 runs/detect 的目錄，name 對應 run 函數中的“name=exp”，然后進行拼接操作；increment_path 表示增量路徑；判斷 save_txt 是否為 true，save_txt 在 run 函數以及 parse_opt() 函數中都有相應操作，如果傳入save_txt，新建 “labels” 文件夾存儲結果。

3.3 加載模型權重

首先根據代碼環境選擇加載設備，GPU/CPU。選擇多后端框架，判斷你的深度學習框架，本次是pytorch,加載模型，
讀取模型參數，判斷 imgsz，步長 stride 一般是32。

3.4 DataLoad模塊，加載待預測的圖片

首先是判斷 webcam 是否為 true，前面已經定義，不為True，因此執行 datasets.py下的LoadImages函數，完成輸入數據的加載過程。

3.5 模型的推理過程

執行模型推理過程，把圖片或者視頻輸入模型，產生一個預測結果，并用檢測框標記出來。
首先，讓模型進行一個預熱，然后定義 dt，seen 兩個變量，遍歷 dataset ，整理圖片信息；進行預測，根據 run 函數里面的置信度以及IOU參數，進行信息過濾；對檢測框進行后續處理，畫框選擇，坐標映射（640*640坐標映射為原圖坐標），是否保存繪畫結果。

3.6 打印出一些輸出信息

打印結果，記錄了一些總共的耗時，以及信息保存。

本次進行了一些簡短的分析，如果有幫助的話，點贊支持一下，后續有需要在進行其他文件程序。交流學習，互相進步~

總結

以上是生活随笔為你收集整理的YoLoV5学习（4）--detect.py程序（预测图片、视频、网络流）逐段讲解~的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。