关于Android版Yolov5自己训练数据集param文件右侧第三列不是数字的解决方法

已于 2022-05-13 12:13:51 修改
阅读量781 收藏 2
点赞数 2
文章标签： android 深度学习 pytorch
于 2022-05-13 12:05:48 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_18814985/article/details/124749292
版权

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETkDmmpfpu5Hoiqboi4c,size_20,color_FFFFFF,t_70,g_se,x_16

如图，我在我训练自己数据集后转换为param和bin文件后param文件如图，右侧第三列本该为数字确出现了如图的问题；

原因：pytorch版本的问题

解决方法：pip install torch==1.10.2 （torch版本更换后，也需要更换对应版本的torchvision） 

然后再由pt文件重新转为onnx文件，再转为bin和param文件后，param文件就正常了

神威爱丽丝
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
yolov5 不同 版本 模型转 ncnn.param 模型输出层 name 差异对比 |【ncnn 模型】
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
08-30 1218
yolov5 不同 版本 模型 输出层 name 差异对比 【ncnn 模型】
YOLOv5训练笔记
11-03
通过以上步骤，你可以成功地在自己的数据集上训练YOLOv5模型，实现自定义目标的检测。这个过程中涉及到了数据处理、模型训练、模型优化等多个环节，对于理解和实践深度学习目标检测有很好的帮助。
yolov5 混淆矩阵计算精确率（percision）
beyondCCCS的博客
06-08 1720
yolov5 通过混淆矩阵计算 精确率
2024年Python最全【教程】YOLOv5模型转化-Android端部署_yolov5 android(2)
最新发布
2401_84689803的博客
04-30 908
这样就能得到fp16的.tflite模型，若需要Int8的，则用如下命令转化为int8的需要数据集来进行验证，所以需要添加自己数据集的路径，图像数量为你所用的用于验证的图像数。
yolov5-5.0训练自己的数据集并用ncnn部署在安卓设备（三）
qq_39226865的博客
09-07 299
本篇文章介绍ncnn-android-yolov5针对自定义数据集进行代码修改
【目标检测】YOLOv5算法实现(六)：评价指标及实现
chu-xia的博客
01-05 2810
本系列文章记录本人硕士阶段YOLO系列目标检测算法自学及其代码实现的过程。其中算法具体实现借鉴于ultralytics YOLO源码，删减了源码中部分内容，满足个人科研需求。本系列文章主要以YOLOv5为例完成算法的实现，后续修改、增加相关模块即可实现其他版本的YOLO算法。
Tesla T4部署llama2 atom中文chat模型踩坑盘点
qq_45751162的博客
10-22 560
老显卡部署新模型的踩坑盘点
YOLOV5模型转NCNN模型文件并测试使用
limengshi138392的博客
06-13 445
YOLOV5模型转NCNN模型文件并测试使用
基于深度学习YOLOv5和Android Studio开发的tt100k交通标志识别检测项目源码(含模型文件+APK).zip
03-19
基于深度学习YOLOv5和Android Studio开发的tt100k交通标志识别检测项目源码(含模型文件+生成好的APK，直接安装使用).zip 【项目说明】 1、此项目是基于tt100k交通标志数据集训练、YOLOv5算法，可识别检测标志种类为...
ncnn部署-使用ncnn在ios+android上部署yolov5-项目实战-附完整流程教程.zip
01-19
在本项目实战中，我们将探讨如何使用ncnn框架在iOS和Android平台上部署Yolov5模型，这是一个深度学习目标检测模型。ncnn是腾讯开源的一个高性能、轻量级的神经网络推理库，特别适合移动设备上的实时计算。下面将详细...
Android算法部署-在Android平台基于NCNN部署YOLOv5目标检测算法-优质项目实战.zip
03-29
这通常涉及使用YOLOv5提供的工具将.onnx或.pth模型文件转换为ncnn的bin和param文件。 2. **编译NCNN库**：下载并编译NCNN源代码，确保配置正确以支持Android平台。这可能需要设置NDK路径，选择合适的Android ABI，...
Android基于Http协议实现文件上传功能的方法
01-20
在Android中，可以通过`HttpURLConnection`或第三方库如`Volley`、`OkHttp`来实现。本例中使用了`HttpURLConnection`，设置请求方法为`POST`，并设置`Content-Type`头来指定上传的数据类型。 2. **文件操作**： - ...
基于ncnn实现的yolov5移植部署安卓手机源码+转换后的模型(bin+param).zip
12-20
基于ncnn实现的yolov5移植部署安卓手机源码+转换后的模型(bin+param).zip基于ncnn实现的yolov5移植部署安卓手机源码+转换后的模型(bin+param).zip基于ncnn实现的yolov5移植部署安卓手机源码+转换后的模型(bin+param)...
yolov5 通过NCNN实现前向推理的文件
02-24
YOLOv5是一种高效且准确的目标检测模型，其最新版本6.0在计算机视觉领域广泛应用。该模型基于PyTorch框架构建，能够快速地进行实时目标检测。在本案例中，我们关注的是如何将YOLOv5s 6.0模型转换为可以由NCNN（一个...
YOLOv8-pose在ncnn框架下部署代码，包括onnx、*.bin、*.param
05-05
YOLOv8-pose在ncnn框架下部署过程记录（包含ncnn、pnnx安装以及模型结构更改及转换） https://blog.csdn.net/Rachel321/article/details/130381788
Android编程实现向SD卡写入数据的方法
01-04
本文实例讲述了Android编程实现向SD卡写入数据的方法。分享给大家供大家参考，具体如下： 1.代码: /** * 向sdcard中写入文件 * @param filename 文件名 * @param content 文件内容 */ public void saveToSDCard...
ImportError: torch＞=1.5.0 is required for a normal functioning of this module, but found torch==1.4.
comeonfly666的博客
04-06 2897
问题描述 执行代码时出现 ImportError: torch>=1.5.0 is required for a normal functioning of this module, but found torch==1.4.0. 原因分析： 之前安装的torch=1.4.0相关的依赖没有删除干净，导致冲突。 解决方案： 将torch=1.4.0相关依赖删除，主要是在anaconda\pkgs和anaconda\Lib\site-packages文件夹中。 ...
YOLOv5学习记录(二): 模型转化及Android端部署
Xiaoer_Lu的博客
03-03 9146
YOLOv5学习记录(一): 训练自己的数据模型 YOLOv5学习记录(二): 模型转化-Android端部署 文章目录 系列文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文
【YOLOv5-6.x】模型参数量param及计算量FLOPs解析
热门推荐
weixin_43799388的博客
04-02 3万+
文章目录前言参数量param和计算量FLOPs简介参数量计算量YOLOv5计算模型参数训练和验证输出模型参数不同的原因分析输出模型参数结果（以YOLOv5s-coco2017为例）参数不同的原因分析Reference 前言 评价一个用深度学习框架搭建的神经网络模型，除了精确度（比如目标检测中常用的map）指标之外，模型复杂度也必须要考虑，通常用正向推理的计算量(FLOPs)和参数个数(Parameters)来描述模型的复杂度。   参数量param和计算量FLOPs简介 参数量 有参数的层主要包
yolov5训练集图像拼接代码
11-02
以下是yolov5训练集图像拼接的代码： ```python import os import cv2 import numpy as np def mosaic(imgs, size): """ 拼接图片 :param imgs: 图片列表 :param size: 拼接的行列数 :return: 拼接后的图片 """ h, w = imgs[0].shape[:2] vis = np.zeros((h * size[1], w * size[0], 3), np.uint8) for i in range(size[1]): for j in range(size[0]): img = imgs[i * size[0] + j] vis[i * h:(i + 1) * h, j * w:(j + 1) * w, :] = img return vis def get_image_list(path): """ 获取图片列表 :param path: 图片路径 :return: 图片列表 """ img_list = [] for file_name in os.listdir(path): if file_name.endswith('.jpg') or file_name.endswith('.png'): img_path = os.path.join(path, file_name) img = cv2.imread(img_path) img_list.append(img) return img_list # 示例代码 img_path = 'path/to/image/folder' img_list = get_image_list(img_path) mosaic_img = mosaic(img_list, (4, 4)) cv2.imwrite('path/to/save/mosaic/image', mosaic_img) ```

“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 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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