赞
踩
我是下载的一个数据集:
数据集链接:https://download.csdn.net/download/weixin_42297260/21494130?username=sinat_38961618
安装labelme,安装流程及问题
进行图片标注,点击Open Dir,选择数据集图片所在文件夹:
点击edit-> Create Rectangle(或Ctrl+R快捷键)标注新的label:
点击NextImage标记下一张图片:
所有标签标注完成后,文件夹中将会出现所有对应于每个图片json标签文件:
将项目导入Pycharm:
将所有数据集图片和json标签文件夹放到工程目录下的datasets文件夹内(这里其实应该分开到两个文件夹里面,当初太新手完全不知道…还是建议去找找最新的那些教程):
首先修改data->XYB.yaml(数据文件)的参数,修改类别数和类别名:
然后修改LabelmeToXYB.py的参数:
修改完上述参数后运行LabelmeToXYB.py,将会在tmp文件夹下生成如下文件:
右键->run
在使用OpenCV处理图片时,找不到这个cv_img 图片。可能是因为尝试改变了图片放置位置,或者使得路径中的中文改成英文,很多导入报错,是因为中文的原因。
然后发现是图片原件不小心被删了
删掉这些试试,ok了
Pycharm终端运行如下命令:
pip install -r requirements.txt
换个快点的镜像:
pip --default-timeout=100 install 库的名字 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
把没安装的库用Anaconda一个一个装:
pip --default-timeout=100 install opencv-python -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
opencv-python安装好了,继续装其他的:
torch又装不了
pip --default-timeout=100 install torch -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
torchvision直接安装成功:
运行如下指令进行训练(详情查看工程文件目录下README.md文件):
python train.py --data data/XYB.yaml --cfg xyb_m.yaml --batch-size 64
训练后数据保存在工程目录下runs->train文件夹内,首次运行权重将会保存在runs->train->exp->weights文件夹下,之后运行成功后将会依次保存在exp2/3/4/…;
–cfg为指定模型结构,–batch-size 64:batch-size为 16g显存的显卡推荐值
利用tensorboard可视化训练过程,训练开始会在yolov5目录生成一个runs文件夹,利用tensorboard打开即可查看训练日志,命令如下:
tensorboard --logdir=runs
(当有多人在使用服务器时,为了避免与他人使用同一个端口,我们可以通过参数调整来实现。将6006端口改为6007端口:tensorboard --logdir=test0 --port=6007
)
先安装tensorboard
安装tensorflow
pip install tensorflow
安装tensorboard
pip install tensorboard
安装tensorboardX
pip install tensorboardX
还是失败,可能是grpcio版本不匹配,太高了
tensorflow对应的python版本清单:
https://tensorflow.google.cn/install/source_windows#cpu
后面还是一句话解决问题:
原文链接
python -m pip install grpcio --ignore-installed
成功了!
打开网址:
缺少events文件,使用SummaryWriter创建events:
原文链接:https://blog.csdn.net/jump882/article/details/119862224
代码:
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter()
writer = SummaryWriter("logs")
writer = SummaryWriter(comment="user")
注释:SummaryWriter():自动生成文件夹名称"runs",以及随机的events名称
SummaryWriter(“test0”):自动生成文件夹名称"test0",以及随机的events名称
SummaryWriter(comment=“user”):自动生成文件夹名称"runs",并附带comment"user",以及随机的events名称。
运行后生成文件夹及随机的events名称:
使用add_scalar()将标量添加到event文件中(不用新建,删掉刚刚writer文件里的代码复制进去就行了):
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs") #将对应事件文件存储到test0文件夹下
x = range(100)
for i in x:
#writer.add_scalar(tag='y=2x', scalar_value=i * 2, global_step=i)
writer.add_scalar('y=2x', i * 2, i)
writer.close()
参数:
∙ \bullet∙tag(string):数据标识符
∙ \bullet∙scalar_value(float or string/blobname):保存的数值(纵坐标y)
∙ \bullet∙global_step(int):时间步数(横坐标x)
命令行里切到存放文件目录,执行命令:
tensorboard --logdir=D:\PycharmProject\CSU_XYB\logs
(logdir的路径中不能包含中文、空格等,如果包含可能指向的路径会出错,从而导致报错,我最开始就是路径里含有空格,所以就报错了。有些版本的tensorboard需要将=改为“ ”,tensorboard --logdir “D:\PycharmProject\CSU_XYB\logs
”)
第一步:在cmd输入D:
第二步:输入dir #获得D盘文件目录
第三步:cd 文件夹名称 #进入该文件夹
使用Chrome浏览器打开:
在tensorboard可视化网页界面的scalars模块的左下角有个路径,这个路径按道理应是启动tensorboard时指定的路径,复制该路径到文件夹中搜索,看是否成功定位到事件文件的上一级目录。
最方便的打开方式,不用进入存放文件目录的命令(直接在Pycharm终端就可以使用):
因为默认的6006端口被占用,换了一个8008端口。具体命令为:
tensorboard --logdir=D:\PycharmProject\CSU_XYB\logs --host=127.0.0.1 --port=8008
也可以弹出来:
1.Win+R在运行窗口输入cmd调出命令行窗口(也可以搜索之后以管理员模式运行)
2.查看所有被打开的端口列表:netstat -ano
3.查看6006端口占用情况:netstat -ano | findstr "6006"
本方法原文链接:https://blog.csdn.net/qq_40128284/article/details/109343301
还没有训练好的模型,先不管。
train:代表训练集,val代表验证集,nc表示分类,names表示分类标签。
训练遇到的问题后面再讲。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。