模型复现 | YOLOR入门教程

一、模型介绍

YOLOR模型于2021年由开发者Chien-Yao Wang, I-Hau Yeh, Hong-Yuan Mark Liao在《You Only Learn One Representation: Unified Network for Multiple Tasks》提出。YOLOR 是最新的最先进的对象检测模型，比 YOLOv4、Scaled YOLOv4、YOLOv5 和 PP-YOLOv2 更好更快！在本教程中，我将向您展示如何在图像和视频上安装和运行 YOLOR 对象检测。您可以在 CPU 或 CUDA 支持的 GPU（仅限 Nvidia）上运行它。我在 CPU 上达到了 3 FPS，在 GPU (1080Ti) 上达到了 15 FPS。

接下来我们一起看看如何快速进行论文复现吧！

二、创建实例

首先打开极链AI云的官网，选择模型创建实例：

https://cloud.videojj.com/model?source=csdn

由于平台已经配置了YOLOR的模型库，所以能够一键创建实例，轻松又便捷～

三、论文复现

1、准备coco128数据集（官网是coco数据集，如有需要，可命令行自行输入）：

注：/root/yolor路径下的labels和images文件需要先自行创建后，再软连接数据集，否则会出现权限问题，造成模型跑不同的情况哦～

2、在/root/yolor路径下，输入训练代码：

训练效果如下：

3、在/root/yolor路径下，输入推断如下：

推断效果如下：

到这里，我们就已经完成了yolor的整个复现成果～具体的模型简介和代码可以在模型详情页查看

为了使复现更加方便高效，我们为每一个模型都配置了专属的模型详情页。

模型详情页详细展现了模型的使用方法（包含训练和推理的使用方式和测试案例）在证明模型配置的完整性和方便用户直接测试模型效果上，为用户进一步开发和训练模型提供便利。

极链AI云平台现在更新了大量模型和数据库！省去了繁琐冗长的上传时间，让论文复现一步到位！快去官网试试吧～

ps.在平台没有找到模型的小伙伴可以参加我们的论文复现活动，在学习同时更有云币券作为奖励，快戳小助手咨询详情吧～