Win10下yolov5配置+训练自己的数据集

本文详细介绍了在Windows10系统下,使用Yolov5进行目标检测模型训练的步骤,包括环境配置(CPU: i7-8700k, GPU: GTX-1080ti, CUDA: 10.1, CUDNN: 7.4, OpenCV: 3.3, PyTorch: 1.5, Python: 3.7)、数据集准备、VOC格式标注转换、yaml配置文件创建、模型训练参数调整及训练过程。提供了数据预处理、训练参数修改和训练启动的代码示例。" 117314286,10544883,自定义Android Dialog与Button样式指南,"['Android开发', 'UI设计', '自定义控件', '图形渲染', '布局管理']
摘要由CSDN通过智能技术生成

Win10下yolov5配置+训练自己的数据集

本人的电脑配置:
CPU:i7-8700k
GPU:GTX-1080ti
操作系统:Windows 10 专业版 64bit
CUDA:10.1
CUDNN:7.4
OenpCV:3.3
pyTorch:1.5
Python:3.7

ps:原理精讲以及配置参数、训练参数后续上传,目前可看本人录制的yolov3的视频讲解教程
https://www.bilibili.com/video/av53025521

首先我们先膜拜一下U佬在v4出了不久就更新v5
link:项目工程地址

在windows10和ubuntu下都可以进行训练,现在将如何训练自己的数据进行一个简单的说明

Step1:准备自己的数据
通常我们训练有voc格式的数据(pic.png–pic.xml),也就是有images文件夹存放我们所有训练的图片,Annotations文件夹存放我们训练图片对应的xml标注文件
PS:如何确保自己的数据和xml数据准确请参考之前的yolov3训练自己的数据集内容
通过first.py后将数据集按照(如20%验证集+80%训练集)进行分配,会在Main中生成train.txt和val.txt的文件,代码如下

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'Annotations'
#xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')

for i in list:
    name = total_xml[i][:
  • 12
    点赞
  • 128
    收藏
    觉得还不错? 一键收藏
  • 5
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值