赞
踩
在深度学习目标检测领域,YOLOv5成为了备受关注的模型之一。在训练过程中,正确的环境配置和有效的模型训练至关重要。本文将手把手教学如何进行YOLOv5的环境配置和模型训练,以帮助您更好地学习深度学习目标检测YOLO系列的挑战。
我们将重点讨论以下内容:
1. YOLOv5的环境配置:包括安装必要的软件和库、配置GPU环境以加速训练、设置Python环境等方面。
2. 数据准备与预处理:如何准备训练数据集,并进行必要的预处理,以确保模型训练的有效性和准确性。
首先我们在电脑上安装好Anaconda,安装教程:Anaconda安装过程-CSDN博客
安装好以后打开
然后输入命令
conda create -n name python==3.8 # 创建环境, name是可以替换的,随便起名,这个名字是你的环境名称
出现
输入 Y,开始下载python和一些基础的包
然后激活环境
conda activate name # 其中name是你上面创建环境的名称
然后切换到你下载的yolov5的目录下面
输入命令
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ -r requirements.txt
为了下载速度快,我这里用了清华源,当然,也可以换成阿里源
https://mirrors.aliyun.com/pypi/simple
出现这个画面即说明环境安装成功
理论上现在就可以训练模型了,但是呢因为pytorch的版本问题,在yolov5-6.1中会有一个报错的问题,如果你的报错了,可以参考我之前写过的文章进行处理
修改后就可以训练模型了,但默认的以coco数据集为例进行训练,这个可以看训练脚本train.py的参数设置
- def parse_opt(known=False):
- parser = argparse.ArgumentParser()
- parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
- parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
- parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
- parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch-low.yaml', help='hyperparameters path')
- parser.add_argument('--epochs', type=int, default=300)
- parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs, -1 for autobatch')
- parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
- parser.add_argument('--rect', action='store_true', help='rectangular training')
- parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')
- parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')
- parser.add_argument('--noval', action='store_true', help='only validate final epoch')
- parser.add_argument('--noautoanchor', action='store_true', help='disable AutoAnchor')
- parser.add_argument('--evolve', type=int, nargs='?', const=300, help='evolve hyperparameters for x generations')
- parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')
- parser.add_argument('--cache', type=str, nargs='?', const='ram', help='--cache images in "ram" (default) or "disk"')
- parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')
- parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
- parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')
- parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')
- parser.add_argument('--optimizer', type=str, choices=['SGD', 'Adam', 'AdamW'], default='SGD', help='optimizer')
- parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')
- parser.add_argument('--workers', type=int, default=8, help='max dataloader workers (per RANK in DDP mode)')
- parser.add_argument('--project', default=ROOT / 'runs/train', help='save to project/name')
- parser.add_argument('--name', default='exp', help='save to project/name')
- parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
- parser.add_argument('--quad', action='store_true', help='quad dataloader')
- parser.add_argument('--cos-lr', action='store_true', help='cosine LR scheduler')
- parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')
- parser.add_argument('--patience', type=int, default=100, help='EarlyStopping patience (epochs without improvement)')
- parser.add_argument('--freeze', nargs='+', type=int, default=[0], help='Freeze layers: backbone=10, first3=0 1 2')
- parser.add_argument('--save-period', type=int, default=-1, help='Save checkpoint every x epochs (disabled if < 1)')
- parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')
-
- # Weights & Biases arguments
- parser.add_argument('--entity', default=None, help='W&B: Entity')
- parser.add_argument('--upload_dataset', nargs='?', const=True, default=False, help='W&B: Upload data, "val" option')
- parser.add_argument('--bbox_interval', type=int, default=-1, help='W&B: Set bounding-box image logging interval')
- parser.add_argument('--artifact_alias', type=str, default='latest', help='W&B: Version of dataset artifact to use')
其中参数data是指定的使用的数据集
接下来我们看下coco128.yaml文件里的内容
- # YOLOv5 声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/天景科技苑/article/detail/878627推荐阅读
相关标签
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。