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
- 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:
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://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。