前言：
上次做了一个皮卡丘识别的模型，如下图，不知道怎么搭建yolov5训练模型，这次就是把这些训练的模型整合起来，将yolov5模型部署到web端，实现动态选择模型，上传或直接拖拽图片至窗口就能返回识别结果与json格式文件
演示：
资源下载路径👇
yolov5模型部署到web端-深度学习文档类资源
先到文件的路径下执行pip install -r requirements.txt 更新一下包
python server.py启动
打开http://localhost:8000/
在model_selection_options这里添加模型选项，这是我提前在网上找了一些图片，训练出来的货车运输识别模型。
C: \Users\你的用户名\.cache\torch\ultralytics_yolov5_master
预训练权重：torch.hub.load('ultralytics/yolov5', model_name, pretrained=True)
而我的话是使用了自定义模型，使用本地的模型，先定义一个path，给path赋值相对路径，model_name是我们上面步骤模型选项的结果[光缆运输或者是木头运输]，source=local就是使用本地路径。具体可参考 torch.hub — PyTorch 1.13 文档
自定义权重：torch.hub.load(path,model_name, source='local')
添加完之后去到上图设置的path = 'torch/hub/shlhc_bch_master'路径中找到hubconf.py，为刚刚的模型选项配置对应的权重文件
我这里权重文件都统一放在weight文件夹中，所以配置信息都是'weight/****'
