yolov5关闭wandb

        yolov5训练过程中wandb总是提示登入账号,不登入还不能继续训练,想要关闭wandb,直接不使用即可。

在\yolov5\utils\loggers\wandb\wandb_utils.py中

import wandb的下面加上wandb = None

#try:
#    import wandb
#    from wandb import init, finish
#except ImportError:
#    wandb = None

# 注释掉以上代码,添加以下语句
wandb = None

同时在\yolov5\utils\loggers\__init__.py中

import wandb的位置下面同样加上wandb = None

#try:
#    import wandb
# 
#    assert hasattr(wandb, '__version__')  # verify package import not local dir
#    if pkg.parse_version(wandb.__version__) >= pkg.parse_version('0.12.2') and RANK in [0, -1]:
#        wandb_login_success = wandb.login(timeout=30)
#        if not wandb_login_success:
#            wandb = None
#except (ImportError, AssertionError):
#    wandb = None

# 注释掉以上代码,添加以下语句
wandb = None

这样就可以关闭wandb
————————————————
参考:https://blog.csdn.net/athrunsunny/article/details/123428667

  • 2
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。 本课程的YOLOv5使用ultralytics/yolov5,在Windows系统上做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习Ubuntu上演示的同学,请前往 《YOLOv5(PyTorch)实战:训练自己的数据集(Ubuntu)》课程链接:https://edu.csdn.net/course/detail/30793  本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测实战:训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284       
感谢您的提问!使用YOLOv5wandb(Weight & Biases)结合可以方便地进行模型训练和性能跟踪。下面是使用wandb的步骤: 1. 首先,确保您已经安装了wandb库。可以使用以下命令进行安装: ```python pip install wandb ``` 2. 在您的YOLOv5项目中导入wandb库: ```python import wandb ``` 3. 初始化wandb,并登录到您的wandb账户(如果没有账户,请先注册一个): ```python wandb.login() ``` 此命令将打开一个网页,您需要按照提示进行登录。 4. 在代码中添加wandb.init()来初始化一个新的运行会话: ```python wandb.init(project='yolov5', entity='your_username') ``` 这里,'project'是您的项目的名称,'entity'是您的wandb用户名。 5. 设置wandb配置,包括模型参数、优化器、学习率等: ```python config = wandb.config config.learning_rate = 0.001 config.batch_size = 16 ... ``` 6. 在训练过程中,使用wandb.log()记录关键指标: ```python for epoch in range(num_epochs): # 训练过程中更新指标 wandb.log({'epoch': epoch, 'loss': loss.item()}) ``` 7. 在您的训练脚本中添加wandb.watch()以跟踪模型的梯度和参数: ```python model = YOLOv5() wandb.watch(model) ``` 8. 启动训练过程,并在训练过程中进行指标记录: ```python with wandb.init(project='yolov5', entity='your_username'): # 训练代码 ``` 9. 运行训练脚本后,可以在wandb网站上查看训练过程中记录的指标和图表。 这些是使用YOLOv5wandb结合进行模型训练和性能跟踪的基本步骤。您可以根据具体的需求和项目进行调整和扩展。希望对您有帮助!如有更多问题,请随时提问。

“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 1
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