进入pytorch官网下载：PyTorchhttps://pytorch.org/注意：如果电脑无NVIDIA的话，不要直接复制链接下载下面的链接下载！！点击Previous versions of PyTorch >去下载历史版本（选择CPU Only，不建议选择最新版本，因为源更新不了那么快影响进度哈哈哈哈哈哈）

下面是我选择的（加了清华源的）

conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cpuonly -c pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

接下来就是等待~~

（ps：以前关于anaconda的包装什么都喜欢Anaconda Prompt那里下载，最近听冰万森冰万森-CSDN博客的话在pycham装，发现pycham的终端真的很爽很好用啊有人懂吗！强烈安利！！！感兴趣请看pycharm的terminal怎么用 - CSDN文库）

出现done就说明我们的pytorch已经安装好了

3、安装其他包

文件里有一个.txt文件，直接用命令下载：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

当然，如果没安装完的话会出现如下情况的错误，此时只需要安装好tqdm这个库即可。

pip install -r tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple

二、数据集准备

1、新建文件夹存放自己的数据

新建一个文件夹命名为VOCdevkit/VOC2007，存放自己的数据
2、在该目录下新建三个文件夹，其中，

JPEGImages：用来存放图片
Annotations：图片对应的xml

3、在ImageSets下新建文件夹Main，用来存放txt文件，运行voc_annotation.py代码就可以生成用于训练和验证的数据集的txt文件，这些列出了数据集中包含的不同类别的数量。例如，| aeroplane | 69 | 表示aeroplane类在数据集中有69个实例。

运行代码后生成的三个文件：

如果你到这一步，恭喜你，已经把数据做好了！！！为自己鼓掌！！！！！！！！！！

三、训练模型

完成以上步骤以后，我就直接运行了train.py文件

发现还是需要下载一些包，下就完了！tensorboard


 pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple  
Collecting tensorboard

运行结果图

结果解析

加载权重:
```
Load weights model_data/yolo4_weights.pth.
```
代码开始加载模型权重，这些权重是之前训练好的模型参数，保存在文件model_data/yolo4_weights.pth中。
成功加载的键:
```
Successful Load Key: ['backbone.conv1.conv.weight', 'backbone.conv1.bn.weight', 'backbone.conv1.bn.bias', ...]
Successful Load Key Num: 642
```
这里列出了成功加载的键，这些键代表了模型参数的路径。例如，backbone.conv1.conv.weight代表模型中的一个权重参数。总共成功加载了642个键，这可能意味着这些键对应的参数被成功加载到模型中。
未能加载的键:
```
Fail To Load Key: ['yolo_head3.1.weight', 'yolo_head3.1.bias', 'yolo_head2.1.weight', ...]
Fail To Load Key num: 6
```
这里列出了未能加载的键，这些键代表了模型参数的路径。例如，yolo_head3.1.weight和yolo_head3.1.bias是模型中的权重和偏置参数。总共未能加载6个键，这可能意味着这些键对应的参数未能成功加载到模型中。

温馨提示:
```
温馨提示，head部分没有载入是正常现象，Backbone部分没有载入是错误的。
```
提示指出，头（head）部分没有载入是正常的，而骨干网络（backbone）部分没有载入是错误的。在YOLO模型中，头部分通常包含用于检测对象的参数，而骨干网络包含用于特征提取的参数。

配置信息:


Configurations:
----------------------------------------------------------------------
|                     keys |                                   values|
----------------------------------------------------------------------
|             classes_path |               model_data/voc_classes.txt|
|             anchors_path |              model_data/yolo_anchors.txt|
|             anchors_mask |        [[6, 7, 8], [3, 4, 5], [0, 1, 2]]|
|               model_path |             model_data/yolo4_weights.pth|
|              input_shape |                               [416, 416]|
|               Init_Epoch |                                        0|
|             Freeze_Epoch |                                       50|
|           UnFreeze_Epoch |                                      300|
|        Freeze_batch_size |                                        8|
|      Unfreeze_batch_size |                                        4|
|             Freeze_Train |                                     True|
|                  Init_lr |                                     0.01|
|                   Min_lr |                                   0.0001|
|           optimizer_type |                                      sgd|
|                 momentum |                                    0.937|
|            lr_decay_type |                                      cos|
|              save_period |                                       10|
|                 save_dir |                                     logs|
|              num_workers |                                        4|
|                num_train |                                      810|
|                  num_val |                                       90|
----------------------------------------------------------------------

这里列出了模型的配置信息，包括类路径、锚点路径、锚点掩码、模型路径、输入形状、初始化epoch、冻结epoch、解冻epoch、冻结batch大小、解冻batch大小、是否冻结训练、初始学习率、最小学习率、优化器类型、动量、学习率衰减类型、保存周期、保存目录、工作线程数、训练样本数和验证样本数。

开始训练:


Start Train
Epoch 1/300: 100%|██████████| 101/101 [14:59<00:00,  8.91s/it, loss=6.37, lr=0.000125]
Epoch 1/300:   0%|          | 0/11 [00:00<?, ?it/s]
Finish Train

开始训练模型的第一个epoch，并显示了进度和损失值。训练完成后，显示了训练时间、迭代数、损失值和当前学习率。

开始验证:
```
Start Validation
Epoch 1/300: 100%|██████████| 11/11 [01:32<00:00,  8.41s/it, val_loss=1.74]
Finish Validation
```
代码开始验证模型的第一个epoch，并显示了进度和验证损失值。验证完成后，显示了验证时间、迭代数、验证损失值。
保存最佳模型:
```
Save best model to best_epoch_weights.pth
```
代码将当前epoch中表现最佳的模型保存到best_epoch_weights.pth文件中。

继续训练:


Start Train
Epoch 2/300:   0%|          | 0/101 [00:00<?, ?it/s]
Epoch 2/300: 100%|██████████| 101/101 [14:50<00:00,  8.82s/it, loss=1.62, lr=0.00025]
Epoch 2/300:   0%|          | 0/11 [00:00<?, ?it/s]
Finish Train

代码开始训练模型的第二个epoch，并显示了进度和损失值。训练完成后，显示了训练时间、迭代数、损失值和当前学习率。

继续验证:
```
Start Validation
Epoch 2/300: 100%|██████████| 11/11 [01:18<00:00,  7.12s/it, val_loss=0.928]
Finish Validation
```
代码开始验证模型的第二个epoch，并显示了进度和验证损失值。验证完成后，显示了验证时间、迭代数、验证损失值。
保存最佳模型:
```
Save best model to best_epoch_weights.pth
```
代码将当前epoch中表现最佳的模型保存到best_epoch_weights.pth文件中。

因为耐心不足，就只展示了这一部分的结果

四、测试模型

先跑一下代码，运行predict.py文件，看测试结果怎么样

问题！！第一次运行的时候发现出现了一个的问题，一开始是觉得自己路径中夹杂中文，然后就试了一下把图片放到无中文的路径下，发现还是不行，上网查了一下发现是Pillow用于支持字体渲染的。（好！听不懂这句话，我也听不懂）

知道解决办法就好啦！！重新安装Pillow：首先，尝试卸载当前的Pillow版本，并重新安装一个与您的Python版本兼容的版本。


pip uninstall pillow
pip install pillow

然后就运行出来一下结果啦~~

根据命令行可以看出，该代码输出了检测到的对象及其边界框坐标和置信度。这里，person和bicycle是检测到的对象类别，而数字表示对象的置信度。

好像不太理想捏，太晚了，等明天看看今晚电脑关机前能不能有结果吧哈哈哈哈

五、评估

运行get_map.py进行目标检测求目标检测模型的平均精度（mAP）评估结果，结果列出了不同类别的平均精度，以及每个类别的F1分数、召回率和精确度。最后一行显示了所有类别的平均mAP值，即89.41%。

图片直观展示

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/小惠珠哦/article/detail/819568