yolov5s

一、下载源码:

官方v6.2源码:Releases · ultralytics/yolov5 · GitHub

二、配置环境:

cuda 10.2  适用于 pytorch:

pip install torch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0

 根据官方的requirements,为了避免出错,先注释掉torch和torchvision,再对其他的包进行

yolov5s_第1张图片

 pip install -r requirements.txt 

 试验能不能import torch

三、制作数据集

在v5项目里:

 datasets
│   └── coco_self
│       ├── images
│       │   ├── train
│       │   │   ├── 008d74e8-faaf-4fb5-bf18-96441c600c96.jpg
│       │   │   ├── 00d30c7d-c0e4-4759-857c-22f6a4e9ed4c.jpg
│       │   │   ├── 01c97297-2efa-4514-9b15-f8e8d39c172d.jpg│       

│       │   └──val
│       │       ├── 07fbe0dd-ffd5-4ddc-a6bd-eb7469316da5.jpg
│       │       ├── 115cef22-e125-4ae1-be70-7d23f8fb6c76.jpg
│       │       ├── 141b5b7e-0523-41c3-ba2b-b80cd949f788.jpg


│       ├── labels
│       │   ├── train
│       │   │   ├── 008d74e8-faaf-4fb5-bf18-96441c600c96.txt
│       │   │   ├── 00d30c7d-c0e4-4759-857c-22f6a4e9ed4c.txt
│       │   │   ├── 01c97297-2efa-4514-9b15-f8e8d39c172d.txt

│       │   └── val
│       │       ├── 07fbe0dd-ffd5-4ddc-a6bd-eb7469316da5.txt
│       │       ├── 115cef22-e125-4ae1-be70-7d23f8fb6c76.txt
│       │       ├── 141b5b7e-0523-41c3-ba2b-b80cd949f788.txt
│       ├── train.txt
│       └── val.txt

示例:

008d74e8-faaf-4fb5-bf18-96441c600c96.txt:yolo格式

yolov5s_第2张图片

 train.txt:图片路径

 四、修改数据配置:复制coco128.yaml,可把最后一行没用的download删除掉。

建立自己的数据配置(test可以暂时不放)

yolov5s_第3张图片​​

 五、修改模型配置

yolov5s_第4张图片

 下载模型:yolov5s.pt

GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite

六、终端运行:

python train.py  --data data/coco_self.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt  --epochs 5 --batch-size 2

参考:

yolov5s_第5张图片

 训练结束后,结果自动保存:

七、预测:

的路径python detect.py --weights runs/train/exp9/weights/best.pt --img 416 --conf 0.1 --source /home/fei/A/yolov5-6.2/datasets/coco_self/images/test

注:test是预测的图片目录

预测结果自动保存:

参考资料:

1  官网指路文档  :主要参考了数据格式放置

Train Custom Data - YOLOv5 Documentation

yolov5s_第6张图片

2  Train Custom Data · ultralytics/yolov5 Wiki · GitHub

yolov5s_第7张图片  

 训练过程展示:可忽略一些交互性的代码

https://colab.research.google.com/github/roboflow-ai/yolov5-custom-training-tutorial/blob/main/yolov5-custom-training.ipynb#scrollTo=TWjjiBcic3Vz

yolov5s_第8张图片

你可能感兴趣的:(pytorch,深度学习,人工智能)