Artificial Intelligence / Reverse Engineering / Internet of Things / Full Stack Developer
搜索了一下，目前要在手机端实现yolov5检测，找到了如下三种方式：
上图左边是手机上的效果，右边是pc上的效果，这tm的是同一个模型？转换模型参考的文章：https://github.com/pytorch/android-demo-app/tree/master/ObjectDetection
https://blog.csdn.net/djstavaV/article/details/118078013 修改了各种参数和方法，效果差别不大。这个东西应该怎么搞？谁能给点建议？
作为安卓自动跳过广告三部曲的第二部分，主要是实现系统截屏功能。继《Android Skip Ads Yolov5 Project》之后，下一步就是获取当前屏幕的截图，把截图传入分析引擎实现广告跳过按钮的识别，最后一步是按钮点击。
要在安卓系统上实现截图（截取整个屏幕，并且需要截取其他app的界面），通常有下面三个方法：
1.直接调用系统的截屏工具，需要root权限
adb shell screencap -p /sdcard/sreenshot1.png
xiurenji.exe 可执行文件名称 帮助： -h 显示帮助说明 必选参数： -a 整站爬取 -q 搜索爬取，针对关键字搜索之后对于搜索结果页进行爬取 可选参数： -p 指定下载目录，默认下载路径为当前exe所在目录下的images文件夹 -s 指定服务器地址，例如：http://www.xiurenji.vip url不要带最后的/
更新日志：
增加-s 参数支持： -s 指定服务器地址，例如：http://www.xiurenji.vip url不要带最后的/
接引前文《Windows 10 yolov5 GPU环境》，配置完成之后，一度因为虚拟内存没什么太大用处。原有设置的虚拟内存c盘（系统盘）为4096-8192。在我将虚拟内存改成1024-2048之后，然后tm报错了。就是上面的的这个错误：RuntimeError: Unable to find a valid cuDNN algorithm to run convolution。但是实际上，错误和cuda没有直接关系，目前我还不太清楚为什么虚拟内存直接关系到了cuda的运行环境，或者说pytorch的运行环境。网上搜了一下也没找到相关的资料，主要应该是我的理解太浅显。
测试训练集二十几张图片，在m1 mac上的运行时间一共8.084 小时，共152 epochs。对于这个计算速度还是比较让人吃惊的，这个效率也太低了。对于需要处理图像的训练这个速度也无法让人接受。
152 epochs completed in 8.084 hours. Optimizer stripped from runs/train/exp3/weights/last.pt, 14.4MB Optimizer stripped from runs/train/exp3/weights/best.pt, 14.4MB wandb: Waiting for W&B process to finish, PID 63332 wandb: Program ended successfully. wandb: Find user logs for this run at: /Users/zhongming/PycharmProjects/yolov5/wandb/offline-run-20210913_191626-18h6dxo0/logs/debug.log wandb: Find internal logs for this run at: /Users/zhongming/PycharmProjects/yolov5/wandb/offline-run-20210913_191626-18h6dxo0/logs/debug-
网上关于yolov5 gpu环境搭建的文章也是一抓一大把，但是实际上好用不好用并不清楚。所以要想按照那些所谓的教程安装配置，很可能会失败。当然按照我的文章进行安装配置也可能会失败。逼乎上有个帖子问新手学习一门语言该不该用ide，还有一大群人建议新手配置各种环境，用sb vim等编辑器，配置各种执行路径，各种源代码路径、库路径。这tm一个ide就解决的问题，非得折腾半天，这是为了让没入门的赶紧放弃？
我简单的说一下我的安装流程：
1.下载cuda安装文件，https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_network 安装cuda，默认一路next 即可。
2.安装pytorch-gpu，yolov5的运行环境主要依赖于pytorch。通过官网https://pytorch.org可以找到对应的安装命令：
YOLOv5 🚀 is a family of object detection architectures and models pretrained on the COCO dataset, and represents Ultralytics open-source research into future vision AI methods, incorporating lessons learned and best practices evolved over thousands of hours of research and development.
1. 环境搭建
自动广告跳过这个想法,不过由于各种原因一直没有实时。知道最近才又重新开始折腾这个东西,yolov5的安装这里就不再说明了，建议使用anaconda安装。我创建了一个conda环境可以直接下载之后通过conda安装：
# 1. conda 环境地址：https://anaconda.org/obaby/yolov5 # 2. 下载对应操作系统的环境yml脚本 # 3. 在Terminal 或者 an Anaconda Prompt内执行 conda env create user/my-environment source activate my-environment
如果不想使用上面的安装方法可以参考：https://blog.csdn.net/oJiWuXuan/article/details/107558286 和https://github.com/ultralytics/yolov5 按照官方指导进行安装。