视觉学习笔记6——YOLOv5(v6.2)部署与代码理解_yolov5 6.2

---

前言

在人工智能机器学习领域中，目前最火的莫过于计算机视觉，在计算机视觉方向中，目前最火的莫过于图像分类目标检测，在图像分类目标检测算法中，目前最火的莫过于图像分类目标检测YOLO体系。目前最新的是YOLOv7,不过因为还不稳定，所以选择更为成熟的v5进行研究，而且v7也是在v5的基础上改进来的，所以还是很有研究意义的。虽然在2020年的时候我就开始接触YOLO体系，不过一直都只是把它工具化，对其中的网络结构、模型优化、锚框设置等方式只是略知一二，没有真正去理解和精学其中的算法思想，借这个机会打算好好去学习一番，本文作为学习笔记。

---

一、YOLOv5是什么？

Yolo就是一个是用于目标检测的模型，简单来讲就是是在一张图片中找出物体，并给出它的类别和位置。
目标检测是基于监督学习的，每张图片的监督信息是它所包含的N个物体，每个物体的信息有五个，分别是物体的中心位置(x,y)和它的高(h)和宽(w)，最后是它的类别。
Yolo 模型的预测是基于整个图片的，并且它会一次性输出所有检测到的目标信息，包括类别和位置。
而YOLOv5是在 COCO 数据集上预训练的一系列对象检测架构和模型，代表Ultralytics 对未来视觉 AI 方法的开源研究，结合了经过数千小时的研究和开发的经验教训和最佳实践。

二、环境搭建

1.基本环境

官方要求：Python>=3.7.0、 PyTorch>=1.7。
本机环境：Ubuntu18、NVIDIA 、cuda10.1、cudnn、pycharm、OpenCV4、anaconda3（虚拟环境python3.7、pytorch1.7），具体搭建方法可参考我的视觉学习笔记1——配置深度学习环境

补丁：
requirements.txt文件要求torch>=1.7.0，torchvision>=0.8.1，所以要对于一下版本

2.特殊环境

其他的环境依赖都写在了requirements.txt文件里,具体内容如下：

# YOLOv5 requirements
# Usage: pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.1
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.64.0
protobuf<=3.20.1  # https://github.com/ultralytics/yolov5/issues/8012

# Logging -------------------------------------
tensorboard>=2.4.1
# wandb
# clearml

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=5.2  # CoreML export
# onnx>=1.9.0  # ONNX export
# onnx-simplifier>=0.4.1  # ONNX simplifier
# nvidia-pyindex  # TensorRT export
# nvidia-tensorrt  # TensorRT export
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TFLite export (or tensorflow-cpu, tensorflow-aarch64)
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev  # OpenVINO export

# Extras --------------------------------------
ipython  # interactive notebook
psutil  # system utilization
thop>=0.1.1  # FLOPs computation
# albumentations>=1.0.3
# pycocotools>=2.0  # COCO mAP
# roboflow
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43

把自己编译过opencv4.4的cv2.so文件复制到虚拟环境中，且已经安装了torch1.7.0，torchvision0.8.1，所以可以把opencv-python>=4.1.1，torch>=1.7.0，torchvision>=0.8.1注释掉（加#）。

执行以下命令，直接一键安装所有依赖

pip install -r requirements.txt --default-timeout=5000
#--default-timeout=5000：因为下载不稳定容易掉，所以给他补个时间
1
2

断断续续的弄了一圈，运行detect文件时发现下载好的库和依赖居然没有自动安装（摸不着头脑），于是手动安装。。。
安装后再次运行，开始自动下载模型

运行成功后，会在runs/detect/exp保存被处理过的标签，若程序报错，大概率是因为有的库版本不正确或者还未安装，这个自己调试一下即可。

---

三、自定义训练

模型训练

因为是个人电脑，所以算力有限，把yolov5s.pt作为预训练模型。

cocollw.yaml从coco128.yaml复制，将自定义测试的图像数据和标签数据集分别 划分为：训练集、验证集、测试集，，比例根据数据量不同，一般可以为 90%:5%:5%（主要看具体数据量，我使用的是公司废弃数据集，数据量为近2万张图片）。需要按照Yolov5代码规则，创建images、labels两个子目录，两目录下是train、val、test，三个数据集中就是图片和标注文件。修改path、train、val、test、nc、names，删除download。

yolov5llw.yaml从yolov5s.yaml复制，修改nc即可。

train.py功能调试

预训练模型

parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
1

模型结构文件

parser.add_argument('--cfg', type=str, default='cfg.yaml', help='model.yaml path')
1

模型配置文件

parser.add_argument('--data', type=str, default='data.yaml', help='dataset.yaml path')
1

迭代训练轮数

parser.add_argument('--epochs', type=int, default=2000, help='total training epochs')
1

batch-size大小设置

    parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs, -1 for autobatch')
1

使用哪块GPU或者几块GPU或者使用CPU

parser.add_argument('--device', default='0', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
1

detect.py功能调试

参数conf-thres的default值需要调整，较好的置信度可以减少同一个目标多个检测框问题，这里选择50%置信度。

parser.add_argument('--conf-thres',type=float,default=0.50,help='confidence threshold')
1

参数save-txt的末尾添加default = True，这个参数就是保存检测的标签文件，设置保存。

parser.add_argument('--save-txt', action='store_true', help='save results to *.txt',default=True)
1

参数nosave的的末尾添加default = True，这个参数是是否保存检测后图片，设置不保存。

parser.add_argument('--nosave', action='store_true', help='do not save images/videos',default=True)
1

yolo文件夹下打开终端，执行命令

python train.py --img 640 --cfg models/yolov5llw.yaml --data data/cocollw.yaml --weights yolov5s.pt --epoch 100 --batch 8
1

报错：

1、images.cache. Can not train without labels.
数据位置不对，不符合代码逻辑位置
1
2

2、RuntimeError: Unable to find a valid cuDNN algorithm to run convolution
3、RuntimeError: CUDA out of memory. Tried to allocate 126.00 MiB (GPU 0; 7.79 GiB total capacity; 6.38 GiB already allocated; 115.75 MiB free; 6.61 GiB reserved in total by PyTorch)
可能是cuda、cudnn不匹配，也可能是算力不足，算力问题可以通过降低batch，epoch和yolov5.pt来缓解
1
2
3

最后建议还是用服务器跑，本地电脑跑的温度飙升，疯狂喘气。

实时训练

命令行进入到YOLOv5的目录下

tensorboard --logdir=runs
1

模型测试

使用detect.py，weights使用新训练后的best.pt，测试图片可以拍一个新照片，或者找一个之前没有用到的图片，这里直接用它的图片（标签不对是因为废弃数据集数据混乱，比值小是因为训练次数太少）。

python detect.py --weights runs/train/exp5/weights/best.pt --source yolov5/data/images/bus.jpg
1

---

四、模型结构

模型结构可以在yaml文件或者netron去观察，其中netron对pt文件支持不友好，需要转为onnx文件才勉强能用。
在 export.py 设置–data、–weights和–opset等参数，通过参数修改后运行，待转换的权重文件与导出格式即可。

错误1
ONNX: export failure ❌ 0.0s: Unsupported ONNX opset version: 12
1
2

onnx版本需要提高到1.12版本或以上才行。

错误2
ONNX: export failure: Exporting the operator silu to ONNX opset version 12 is not supported. Please open a bug to request ONNX export support for the missing operator.
1
2

找到anaconda虚拟环境下的/site-packages/torch/nn/modules/activation.py并修改：

# 重写394行
def forward(self, input: Tensor) -> Tensor:
	# 原始
	# return F.silu(input, inplace=self.inplace)
	# 重写
	return input * torch.sigmoid(input)
1
2
3
4
5
6

网络结构可视化表达：

图来自博主：创不了浩，画的很好看

网络结构文字化表达：

1.detect.py文件

整体：

部分：

2.yolo.py文件

common.py部分结构模块理解：

yolov5.yaml：

整体：

部分：

3. train.py文件

整体：

部分：

未完待续。。。