yolov5验证模型精度
点击这里下载here。这个代码是给验证部门用的，有详细的使用介绍。
对u版yolov5代码的修改。更加符合验证部门的使用。
看下readme内容。
1 执行脚本本
1.1 实例
nohup python val.py \
--weights yolov5n.pt \
--data coco128.yaml \
--img 640 \
--plots \
--batch-size 32\
--name 20220618 > my_val_result.log 2>&1 &1.2 配置参数说明
- weights yolov5n.pt:要测试模型的路径。
- data coco128.yaml：做测试数据的配置文件，他在data/下面
- img 640 : 不用管。
- plots :是否可视化预测结果。
- batch-size 32 :不用管。
- name 20220618 : 保存结果的文件夹名字，他在runs/val/20220618下面。每次训练最好修改。
1.3 coco128.yaml说明
path: ../datasets/coco128 # 【改】改成用来测试数据的目录，下面包括images/xxx，labels/xxx结构。
train: images/train2017 # 你只用来做验证，不用关系这个
val: images/train2017 # images/xxx 下面都是图像，对应的labels/xxx下面的标签，你不用管这么怎么来的，直接像兵兵要就行。
test: # 你只用来做验证，不用关系这个
# Classes
nc: 80 # number of classes # 【改】类别数，我这里4个类别，所以这里直接写4就行。
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'] # 【改】类别标签，像我的测试就4个类别，把这个替换掉就行了
# Download script/URL (optional)
download: https://ultralytics.com/assets/coco128.zip # 不用管，可以删掉也可以。2 执行
15服务器上
source /home/jian/.bashrc && conda activate lane
sh 02_val.sh3 结果说明
”runs/val/20220618“
- imgs 当执行脚本中，有--plots参数时候，imgs文件夹下会绘制预测结果。这里数据不用了就删除，占空间。
- result.txt 验证结果