【目标检测-YOLO】YOLOv5-6.1v实践过程

YOLOv5实践：训练自定义数据集与多GPU分布式训练

理心炼丹

已于 2022-07-08 10:49:15 修改

阅读量3.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： YOLO 视觉文章标签： YOLOv5

于 2022-04-12 17:38:53 首次发布

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/hymn1993/article/details/124118512

YOLO 同时被 2 个专栏收录

30 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

视觉

40 篇文章

订阅专栏

本文介绍了使用YOLOv5 v6.1进行目标检测的实践过程，包括下载源码、配置数据集、调整超参数、训练模型、恢复训练、使用TensorBoard监控训练曲线以及导出ONNX模型。在训练过程中，作者遇到了CUDA错误，通过使用DistributedDataParallel解决了多GPU训练的问题。

1. 下载源码：
wget https://github.com/ultralytics/yolov5/archive/refs/tags/v6.1.zip

unzip v6.1.zip && rm v6.1.zip

2. 添加 yolov5-6.1/data/VOCTVlogo2022.yaml。这里我是YOLO v5 训练自定义数据集_星魂非梦的博客-CSDN博客复制的。

3. 下载预训练权重:

wget https://github.com/ultralytics/yolov5/releases/download/v6.1/yolov5s6.pt

4. 修改超参数文件：hyp.scratch-TVlogo2022.yaml。下面是我修改后的。

lr0: 0.01  # initial learning rate (SGD=1E-2, Adam=1E-3)
lrf: 0.1  # final OneCycleLR learning rate (lr0 * lrf)
momentum: 0.937  # SGD momentum/Adam beta1
weight_decay: 0.0005  # optimizer weight decay 5e-4
warmup_epochs: 3.0  # warmup epochs (fractions ok)
warmup_momentum: 0.

了解本专栏