YOLOv5实战记录04 模型训练

个人打卡，慎看。

指路大佬：【手把手带你实战YOLOv5-入门篇】YOLOv5 模型训练_哔哩哔哩_bilibili

一、数据集

首先提到了两个概念，训练集和验证集。我机器学习0基础，于是查找了资料。

 数据集一般分为三类：训练集、验证集和测试集。

• 训练集：训练模型， 用于模型拟合的数据样本。不能反映模型真实的能力。
• 验证集：模型训练过程中单独留出的样本集，需要选择超参数，可以评估不同超参数训练出的模型效果，优化模型。参与了 “人工调参” 的训练过程。
• 测试集：评估最终模型效果。

个人白话理解：训练集是普通数据；验证集是挑取一部分非训练集，人工为其添加参数，不断优化；测试集是测试包含所有数据的模型效果。 

如果人工修改大部分数据的参数，速度会很慢，所以验证集只验证一部分数据，并不是所有的数据。所有数据会在测试集评定效果。

参考：

• 训练集、验证集、测试集以及交验验证的理解_训练集 验证集 测试集-CSDN博客
• 训练集、测试集、验证集之间的区别及理解_训练集验证集和测试集的区别-CSDN博客

二、数据调整

images和labels文件夹下都新增train和val文件夹，分别代表训练集和验证集。

将图片一部分放到train，另一部分放到val中。images和labels中两个文件夹下的文件对应。比如01.jpg在images/train中，那么01.txt也应该在labels/train中。

三、模型训练

关键参数：

• weights: 预训练的权重文件
• data: 数据集描述文件

1. 在yolov5-master下新建datasets文件夹，将images和labels放到这儿。修改data参数的数据集描述文件。找到data/coco128.yaml，复制粘贴该文件生成一个副本。在该文件下修改数据集描述。重命名为dvn.yaml【随意】
2. names: 下是所有class类别。删除多余的类别，修改类名。path,train,val的路径也要修改。
3. 运行train.py

我遇到了报错，已解决，问题如下：

遇到报错：ImportError: Bad git executable

解决方案：在train.py文件中的import os后面加上 os.environ["GIT_PYTHON_REFRESH"] = "quiet"

参考：

YOLOv5运行错误：ImportError: Failed to initialize: Bad git executable.-CSDN博客

1. 运行后，根据提示，找到runs/train/exp2文件夹，里面生成了很多文件。在weights文件夹下有best.pt和last.pt 这两个文件分别是，训练最好的模型和训练的最后一个模型；events.out文件存放了 tensorboard的日志。可以查看训练过程中各项指标的变化。
2. 我们可以输入该命令，进入tensorboard： tensorboard --logdir runs，点击出现的Localhost链接。可查看tensorboard存放的日志
3. 检测视频，设置参数：--weights指定权重文件，--source指定测试的资源，--view-img指定可视化。python detect.py --weights ./runs/train/exp2/weights/best.pt --source ./datasets/192.mp4 --view-img
4. ctrl+c退出