YOLO3-入门2-训练-coco128-极链AI云

YOLO3 训练

上一小节:
YOLO3-入门1-极链AI云平台部署测试

YOLO3的GitHub地址:
https://github.com/ultralytics/yolov3

部署平台:极链AI云平台

再回顾一下之前的安装,连接实例后,在root目录下:

git clone https://github.com/ultralytics/yolov3
cd yolov3
pip install -r requirements.txt

选择的数据集——COCO128

COCO128是一个小型教程数据集,由COCOtrain2017中的前128个图像组成。

数据集使用相同的128个图像进行训练和测试。
它旨在通过在训练较大的数据集之前演示对小数据集的过度拟合来验证训练管道。

在YOLOV3中自带的coco128.yaml文件:
1)可选的用于自动下载的下载命令/URL,
2)指向培训图像目录的路径(或指向带有培训图像列表的*.txt文件的路径),
3)与验证图像相同,
4)类数,
5)类名列表:

# download command/URL (optional)
download: https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: ../coco128/images/train2017/
val: ../coco128/images/train2017/

# number of classes
nc: 80

# class names
names: ['person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus', 'train', 'truck', 'boat', 'traffic light',
        'fire hydrant', 'stop sign', 'parking meter', 'bench', 'bird', 'cat', 'dog', 'horse', 'sheep', 'cow',
        'elephant', 'bear', 'zebra', 'giraffe', 'backpack', 'umbrella', 'handbag', 'tie', 'suitcase', 'frisbee',
        'skis', 'snowboard', 'sports ball', 'kite', 'baseball bat', 'baseball glove', 'skateboard', 'surfboard',
        'tennis racket', 'bottle', 'wine glass', 'cup', 'fork', 'knife', 'spoon', 'bowl', 'banana', 'apple',
        'sandwich', 'orange', 'broccoli', 'carrot', 'hot dog', 'pizza', 'donut', 'cake', 'chair', 'couch',
        'potted plant', 'bed', 'dining table', 'toilet', 'tv', 'laptop', 'mouse', 'remote', 'keyboard', 
        'cell phone', 'microwave', 'oven', 'toaster', 'sink', 'refrigerator', 'book', 'clock', 'vase', 'scissors', 
        'teddy bear', 'hair drier', 'toothbrush']

训练

python train.py --img 640 --batch 4 --epochs 5 --data coco128.yaml --weights yolov3.pt

其中–weights yolov3.pt文件,可以提前用wget指令下载好,避免运行train.py文件时,因网络原因造成错误。

wget https://github.com/ultralytics/yolov3/releases/download/v9.5.0/yolov3.pt

其中–data coco128.yaml的coco128.yaml,是预装在YOLOV3的代码中的。
路径为:/root/yolov3/data。这里还有很多其他的配置文件,可按需取用。
在这里插入图片描述
其中,batch的大小,epoch的大小,可以根据租用的机器的性能参数等,进行调整。
想要了解更多关于batch、epoch的,可以自己去搜一些博客去学习。
博主本人也不是特别懂,还在学习中。
https://blog.csdn.net/weixin_42137700/article/details/84302045

训练过程


YOLO3-入门2-训练-coco128-极链AI云_第1张图片
YOLO3-入门2-训练-coco128-极链AI云_第2张图片

训练结果

运行结束后,会发现root路径下,还有一个coco128的文件夹。
这是在coco128.yaml文件中有可选的用于自动下载的下载命令/URL。
YOLO3-入门2-训练-coco128-极链AI云_第3张图片

在yolov3/runs/train/exp路径下,有所有的训练结果。
包括weights文件夹下有last.pt,best.pt。
YOLO3-入门2-训练-coco128-极链AI云_第4张图片
YOLO3-入门2-训练-coco128-极链AI云_第5张图片
YOLO3-入门2-训练-coco128-极链AI云_第6张图片

YOLO3-入门2-训练-coco128-极链AI云_第7张图片

你可能感兴趣的:(YOLO,计算机视觉,目标检测,pytorch)