yolov5调试经验

yolov5调试经验

  • 环境配置情况
  • 数据集导入
  • 网络模型选型
  • 运行命令
  • 输出的结果
  • 测试集验证

环境配置情况

torch=1.9.0+cu111
torchvision=0.10.0+cu111

我的是3060按照上述torch配置就行,其余就按照yolo官方的requirement自行配置。

数据集导入

./data/coco.yaml以这个数据集作为模板去改
参数配置如下

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../MyDataset/yolo  # dataset root dir
train: images/train  # train images (relative to 'path') 118287 images
val: images/val  # val images (relative to 'path') 5000 images
test: images/test   # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# Classes
names:
  1: hp_cm
  2: hp_cd
  3: kp

注意,path的参数是直接数据集根目录,其文件结构是,如果可能请按照这个目录结果来放置数据集

# parent
# ├── yolov5
# └── MyDataset
#     └── yolo
#         └── images (这里放jpg)
#             └── train
#             └── val
#         └── labels
#             └── train
#                   └── xxxx.txt
					  ..........
#             └── val

网络模型选型

models/yolov5x.yaml中修改参数。(ps:我这里是选择使用yolov5x这结构)
只需要改这个参数就行

nc:3 # number of classes

运行命令

python train.py --data ./data/defect.yaml --cfg yolov5x.yaml --weight ./pretrain/yolov5x.pt --batch-size 8 --workers 0

导入的路径不需要加引号

输出的结果

最后输出的结果会在runs/train下的每个exp中

测试集验证

运行命令

python val.py --data ./data/defect.yaml --weight ./code/yolov5/runs/train/exp5/weights/best.pt --batch-size 8 --workers 0

你可能感兴趣的:(yolo系列,深度学习,pytorch,人工智能)