yolov5从0开始训练自己的数据集

                            

yolov4的热度还没有过去，yolov5就来了，但是，Yolov5并不是yolov4的作者开发的，是一个牛逼团队开发的，据这个团队在github上的介绍，yolov5速度更快，精确到更高，模型也只有几十兆到一百兆之间，瞬间觉得很牛逼呀，特意抽空跑了一下。

                            

1 Yolov5环境配置

1. 首先配置python3.8，并且升级pip3到版本20.2以上

                        

 

这里分享下python3.8环境配置得博客：

https://blog.csdn.net/lixuhui2468/article/details/105210957

注意：每一个python版本安装好后，在安装文件夹bin下会有相应的pip和python版本，，是对应的，，想要pip指向特定的python，，要把pip复制到/usr/bin文件夹下，然后编辑pip文件指向刚刚的python路径，这样pip就可以指向特定的python版本了。

（2）下载pytorch1.6和torchversion0.7,一定要使用pip20.2以上版本进行下载安装

                                                    

（3）以上准备好之后，开始下载配置依赖项，按照requirements.txt进行对系统配置，在此我是一个个配置得

                           

                                    

分享git clone下载太慢得处理方法：

https://blog.csdn.net/shahuhu000/article/details/83965642

分享pip下载太慢导致失败得解决方法：

https://blog.csdn.net/weixin_42907473/article/details/90410767?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param

2 Yolov5训练测试

这里推荐几个博客，按照博客步骤进行就可以了。

https://blog.csdn.net/yapifeitu/article/details/106932503?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param

https://blog.csdn.net/qq_34795071/article/details/106645048?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

https://zhuanlan.zhihu.com/p/156835045?from_voters_page=true

3 Yolov5总结

在此我训练了V2.0-cpu版本的v5x、V2.0-gpu版本的v5x、以及V2.0-gpu版本的v5s、V3.0-gpu版本的的v5s

V2.0-CPU 5x

输入图像大小416*416

训练2个epochs耗时4.487h

测试一张图像需要0.064s

                       

                  

                      

V2.0-GPU 5x

输入图像大小416*416

训练10个epochs耗时3h55min

测试一张图像需要0.04s

权重文件大小173M

                      

                                     

V2.0-GPU 5s

输入图像大小416*416

训练10个epochs耗时1.2h

测试一张图像需要0.018s

权重文件大小14M

                                    

                                   

                                        

 

V3.0-GPU 5s

输入图像大小416*416

训练10个epochs耗时0.68h

测试一张图像需要0.018s

权重文件大小14M

                             

                        

关于yolov5训练后权重较大的原因：

yolov5官方的预训练权重是基于FP16的，训练的时候使用的是FP32，此处储存空间就增加了一倍；同时官方预训练权重是不包含optimizer参数的，而我们训练的时候是把optimizer参数保存了的，这个可以打印出来看一下，所以最终我们训练的权重比预训练权重大很多。