赞
踩
虽然网上已经有很多教程了,但是我还是要记录一下自己的学习过程,燕过留痕。
本文可以为你提供一个切实可行的例子,我也是边左边记录。(如果是有点基础的,我想你应该能自己搞定!) 小白的话,那我们一起进步!
1.一台笔记本(能上网)(笔记本如果性能足够好可以不用服务器)
2. 一台服务器(有GPU)(我的装了Ubuntu)
3. 连接服务器(如何连接自己百度)
4. 确定主机(在哪个设备上跑模型)(本文使用Ubuntu服务器)
1. 在主机上安装anaconda,(anaconda是什么,怎么装,请查阅相关资料,本文只提供大致步骤和方案)
2. 安装好后进入base环境;
3. 创建python虚拟环境:
conda create --name [此处填你的环境名字,英文] python==xx.x (这里解释一下:xx.x是指你想要装的python版本如3.9)
4. 激活环境
先用 ---- conda env list---- 指令查看虚拟环境个数;
然后 ----conda activate [你的刚刚创建的虚拟环境]---- 激活你的环境
5. 安装labelimg,标注数据集(如果没有自制数据集可跳过)
6. 安装pytorch,需要去pytorch官网查询自己的CUDA版本号对应的torch版本。复制命令到终端即可。(注意,这个地方特别重要,要不然会出出现很多错误)
7. 下载源码
(1)可以直接下载后移动到相应文件夹
(2)可以直接二通过git仓库从github上克隆,如果无法访问gibhub,可以从gitee上获取yolov5源码。
8. 进入目录 通过cd 指令切换到目录里。
9. 安装相关依赖
pip install -r requirements.txt
10.修改配置文件 (如果要使用自己的数据集)
…在yolov5的目录下有个data目录,里面是数据的配置文件,如果要训练自己的数据集,则需要在此目录下添加一个data.yaml, 内容形势如下:
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
#### ----主要修改存储位置和nc、names内部的的参数。-----
train: ../coco128/images/train2017/ #根据自己情况来
val: ../coco128/images/train2017/ #根据自己情况来
# |————[数据集名称]
# |————train
# |————images
# |————labels
# |————val
# |————images
# |————labels
# number of classes
nc: 80 #种类的数目自己标的有几种类型
# class names 各个种类的名字
names: [ 'person', 'bicycle', 'car'...,'refrigerator', 'book', 'clock', 'vase', 'scissors', 'teddy bear', 'hair drier', 'toothbrush' ]
还有models目录下的yaml文件也需要修改一下,找到相应的yaml文件,修改nc的参数即可。
cd yolov5
python train.py --img 640 --batch 16 --epochs 300 --data ./data/data.yaml --cfg ./models/yolov5s.yaml --weights ''
#这里解释一下,用到的是yolov5s的权重文件,训练自己数据集时,就修改这个文件里的nc参数,与自己数据集对应即可。
训练过程,看到进度条就放心了。
12. 训练完成后会告知你在哪个位置查看结果。
今天就谈这么多,多尝试,肯定会进步的!!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。