目录
- 1. 下载 代码
- 2. 创建虚拟环境 安装依赖
- 3. 数据集的准备
- 4. 配置data.yaml
- 5. 修改模型网络的配置文件
- 6. 下载一份预训练的模型权重文件 放在根目录
- 7. 开始训练
- 8. 结果
- 9. tensorboard查看训练
- 10. 推理
1. 下载 代码
https://github.com/ultralytics/yolov5/releases
2. 创建虚拟环境 安装依赖
python3.8
pip install -r requirements.txt
import torch
print('torch %s %s' % (torch.version, torch.cuda.get_device_properties(0) if torch.cuda.is_available() else 'CPU'))
如果是安装 GPU版本的pytorch ,注意先将已安装的torch卸载 pip uninstall torch再安装
pip install torch1.8.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
pip install torchvision0.9.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
安装ok之后如果机器有GPU 则会显示GPU信息
3. 数据集的准备
test
- images
- BloodImage_00001_jpg.rf.1a3206b15602db1d97193162a50bd001.jpg
- BloodImage_00001_jpg.rf.1a3206b15602db1d97193162a50bd002.jpg
- ...
- labels
- BloodImage_00001_jpg.rf.1a3206b15602db1d97193162a50bd001.txt
- BloodImage_00001_jpg.rf.1a3206b15602db1d97193162a50bd002.txt
- ...
train- images
- labels
valid - images
- labels
看一下其中的一条img 与label
image:
label:
4. 配置data.yaml
5. 修改模型网络的配置文件
只需要将项目中的custom_yolov5s.yaml 复制一份 修改一下 nc:3
6. 下载一份预训练的模型权重文件 放在根目录
7. 开始训练
python ./train.py --img 416 --batch 16 --epochs 500 --data D:\05-learning\15-learning-ai\05-github\yolov5\data\BCCD.v4-416x416_aug.yolov5pytorch\data.yaml --cfg D:\05-learning\15-learning-ai\05-github\yolov5\data\BCCD.v4-416x416_aug.yolov5pytorch\custom_yolov5s.yaml
如果遇到虚拟内存大小不足,将虚拟内存调大即可。
8. 结果
项目目录下会生成runs文件夹 结果都放在里面
混淆矩阵
PR 曲线
Loss 和 mAP 指标变化
9. tensorboard查看训练
tensorboard --logdir D:\05-learning\15-learning-ai\05-github\yolov5\runs\train\exp
浏览器访问 http://localhost:6006/ 即可打开
10. 推理
训练完成后模型被保存在 weights 文件夹中
D:\05-learning\15-learning-ai\05-github\yolov5\runs\train\exp\weights
- best.pt
- last.pt
python detect.py --weights D:\05-learning\15-learning-ai\05-github\yolov5\runs\train\exp\weights\best.pt --img 416 --conf 0.4 --source D:\05-learning\15-learning-ai\05-github\yolov\data/BCCD.v4-416x416_aug.yolov5pytorch\test\images
推理结果保存在 detect 文件夹中
D:\05-learning\15-learning-ai\05-github\yolov5\runs\train\exp