YOLO-V5训练自己的数据集

YOLO-V5训练自己的数据集

一、环境配置

• github上下载 yolo-5 项目代码（个人觉得大佬的代码写的太香了！）
• 按照项目中的 requirements 安装相关包，这里需要注意的一点是 由于我个人本机是3090的卡，然后cuda是11.4的版本，当我直接按照requirements中安装 torch 和 torchvision 出现与cuda版本兼容的问题（可能是我电脑的原因），于是乎，我就采取下面方式安装 torch 和torchvision。

pip install torch===1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

二、训练模型

• 数据预处理。这里需要注意的是，如果使用coco格式的话，GT的格式就是 [ label, x_center, y_center, width, height ]，其中中心点与宽高都是归一化之后的结果，然后类别数是从 0 开始。
• 更改配置文件。主要有两个：./data/coco128.yaml 以及 ./models/yolov5s.py，前一个配置文件中需要更改类别数量、类名以及训练数据的位置，后一个文件只需要更改类别数量即可。

三、转onnx

• 如果有需要转onnx，遇到过一个bug，export failure: Exporting the operator silu to ONNX opset version 12 is not supported. Please open a bug to request ONNX export support for the missing operator. 这是因为onnx与pytorch一些方法不兼容导致的，onnx不支持silu，把**函数换一种写法即可。解决方式如下：~/miniconda3/envs/yolov5/lib/python3.8/site-packages/torch/nn/modules （这里路径因人而异，我是建的虚拟环境）找到该路径下的 activation.py 脚本，然后按照下面的方式进行修改即可。

class SiLU(Module):
 
    __constants__ = ['inplace']
    inplace: bool
 
    def __init__(self, inplace: bool = False):
        super(SiLU, self).__init__()
        self.inplace = inplace
 
    def forward(self, input: Tensor) -> Tensor:
        # ------------------------------------- #
        # 把F.silu替换掉，修改后如下
        return input * torch.sigmoid(input)
 
        #原来的代码
        return F.silu(input, inplace=self.inplace)

另:本团队由数名top高校博硕士组成，目前正在做的项目有基于深度学习技术、三维激光点云、SLAM等在安防、自动驾驶领域的感知算法研究和落地以及工业生产智能化改造。
有项目意向的可交流沟通
QQ：812108841