1.使用github下载此版本模型ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)
2.使用本地GPU进行配置
设置好解释器后,在终端运行:pip install -r requirements.txt
安装需要的包
2.1导入需要识别的数据图片or视频
2.2.根据需要,在detect.py文件下,修改需要的模型、检测数据、数据集
2.3.还可以根据需要,在解释器的参数选项,输入需要开启的参数配置
3.使用Google colab云端服务器进行训练模型
Untitled0.ipynb - Colaboratory (google.com)
3.1上传yolov5 6.2的压缩文件(注意文件不要过大)
3.2更改执行为gpu训练模型
3.3 依次输入如下指令:
#解压文件
!unzip /content/yolov5-6.2.zip -d /content/yolov5
#进入文件路径
%cd /content/yolov5/yolov5-6.2
#安装需要的包
!pip install -r requirements.txt
#加载tensorboard
%load_ext tensorboard
#指定训练的模型存储位置
%tensorboard --logdir=runs/train
#运行训练数据集
python train.py --rect
3.4 可以将训练好的模型,下载并导入pycharm中,用于测试模型准确度
4.自己制作数据集
4.1打开makesense平台
4.2选择数据集类型
4.3上传标签文本文件
4.4可以使用训练好的模型进行数据智能标注
4.5导出标注好的数据集
4.6生成好的标注文件
4.7根据需要创建好数据集文件夹
4.8创建自己的数据集,并修改数据集路径和标签信息
4.9 根据标签顺序确认标签的0 1 2数字
4.10根据需要,使得pycharm不去检索数据集,节约时间