如何实现自己的训练集

在anaconda prompt中查看(conda info -e)、删除(conda remove -n aimbot_env)虚拟环境 

其中aimbot_env是虚拟环境的名字

如何实现自己的训练集_第1张图片

是否要删掉?选y

 创建虚拟环境(conda create -n aimbot_env python==3.7.4)

已经存在环境是否创建?选择y

 这里创建太慢的话可能是没有配置合适的源

conda国内源配置cnblogs.com/dereen/p/anaconda_tencent_mirrors.html

如何实现自己的训练集_第2张图片

channels:

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

-defaults

show_channel_urls: true 

搜索yolov5的源码然后下载

如何实现自己的训练集_第3张图片 下载好之后项目用pycharm打开

打开之后一般环境是要添加或者选择的(打开项目之后界面的右下角Python 3.7点开然后settings)

如何实现自己的训练集_第4张图片

如何实现自己的训练集_第5张图片

选择好环境之后

安装第三方库(安装过程要关闭代理)

命令:

pip install -r requirements.txt

安装过程可能会遇到的错误:pycocotools安装失败

解决方法:bilibili视频

接下来安装GPU驱动:CUDA

官网:CUDA Toolkit 12.3 Update 1 Downloads | NVIDIA Developer

官网:PyTorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

在pycharm窗口执行上面的代码

(但是一般需要选择对应的版本)

搜索一下对应版本号(Conda和Wheel都要安装)

Conda:

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

Wheel:

pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2

接下来在terminal中输入以下命令:

import torch
torch.cuda.is_available()

 如果输出TRUE,就代表可以用GPU跑模型了

现在就可以找一个现有的模型看能不能跑通

下载yolov5n.pt

把yolov5n.pt粘贴到yolov5项目里面

如何实现自己的训练集_第6张图片

现在就可以运行看能否跑通

一些参数的意义:

如何实现自己的训练集_第7张图片

如何实现自己的训练集:

先安装labeling

命令:

pip install labelimg

安装完成之后在命令行输入labelimg,就会弹出一个界面

如何实现自己的训练集_第8张图片

指定数据路径:

在图片路径同目录下再创建一个文件夹labels

如何实现自己的训练集_第9张图片

如何实现自己的训练集_第10张图片

设置存储的文件夹

如何实现自己的训练集_第11张图片

修改

如何实现自己的训练集_第12张图片

开始标注

如何实现自己的训练集_第13张图片

标注完ctrl+s保存一下,然后点next image下一张图片

如何实现自己的训练集_第14张图片

标注完成之后关闭窗口完成下面的操作(创建配置文件):

如何实现自己的训练集_第15张图片

如何实现自己的训练集_第16张图片

修改train文件中的一些参数:

如何实现自己的训练集_第17张图片

接下来可以开始训练模型:

这是训练结果存储的地方,best是训练过程中最好的模型,last是最差的模型

如何实现自己的训练集_第18张图片

实现屏幕实时监控截图

两种方式:

1.win32api

2.mss

下面是mss:

先安装mss:

 

创建文件夹aimtools并创建文件:

文件内容:

如何实现自己的训练集_第19张图片

 

你可能感兴趣的:(python,开发语言)