全球人工智能技术创新大赛【热身赛一】提交baseline

最新推荐文章于 2024-08-14 17:28:57 发布

江子舟real

最新推荐文章于 2024-08-14 17:28:57 发布

阅读量398

点赞数

分类专栏：天池文章标签：人工智能 docker pytorch 机器学习深度学习

本文链接：https://blog.csdn.net/qq_38018994/article/details/113920176

版权

天池专栏收录该内容

2 篇文章 0 订阅

订阅专栏

全球人工智能技术创新大赛【热身赛一】提交baseline

一、下载数据集

下载其中的guangdong1_round2_train2_20191004_Annotations和guangdong1_round2_train2_20191004_images放入train_data文件夹下，用于训练数据。

二、数据的预处理

使用的baseline是yolov5，需要将官方提交的数据格式转换为yolov5的数据格式，代码详见convertTrainLabel.py 。

process_data_yolo将原始标注图片及数据进行裁剪，需要注意的是训练集和验证集都要处理。

三、模型训练

1.数据路径设置：编辑一个数据路径文件夹yaml文件

如新建data/tianchi_det.yaml

# train and val datasets (image directory or *.txt file with image paths)
train: ./process_data/images/train/
val: ./process_data/images/val/

# number of classes
nc: 15

# class names
names: ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12','13', '14', '15']

2.模型文件选择： yolov5x.yaml, yolov5m.yaml, yolov5l.yaml yolov5s.yaml文件

可以选择合适的模型文件，从左到右精度下降，但是速率增大

3 .模型训练：

$ python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size                                                                                                        
                                     yolov5m                                40
                                     yolov5l                                24
                                     yolov5x                                16

3.1训练时遇到的错误

（1）module 'yaml' has no attribute 'FullLoader'

解决方案：pip install --ignore-installed PyYAML

（2）torch.nn.modules.module.ModuleAttributeError: 'BatchNorm2d' object has no attribute '_non_persistent_buffers_set'

（3）KeyError: "weights/yolov5s1.pt is not compatible with models/yolov5s1.yaml. This may be due to model differences or weights/yolov5s1.pt may be out of date. Please delete or update weights/yolov5s1.pt and try again, or use --weights '' to train from scratch."

遇到（2）、（3）这两个问题时，没法太好的解决办法，从yolov5官方重新下载最新的baseline(git上自行下载)，并作以下修改：

将utils/utils.py复制到最新yolov5的utils目录下，并将utils/datasets.py里LoadImagesTest类复制到yolov5的utils/datasets.py中。（此处参考https://blog.csdn.net/weixin_39800983/article/details/113883462）

可以正常训练，训练300轮结果如下图所示

四、使用Docker提交

1. 最新的yolov5 需要pytorch1.7，首先在Dockerfile构建一个基础的python3镜像

# Base Images
## 从天池基础镜像构建
FROM registry.cn-shanghai.aliyuncs.com/tcc-public/python:3

## 把当前文件夹里的文件构建到镜像的根目录下
ADD . /

## 指定默认工作目录为根目录（需要把run.sh和生成的结果文件都放在该文件夹下，提交后才能运行）
WORKDIR /

## 镜像启动后统一执行 sh run.sh
CMD ["sh", "run.sh"]

使用docker build -t 仓库地址:版本号进行构建

2. 进入容器配置环境

（1）首先 docker images查看镜像ID

（2）接着dockers run -it 镜像ID /bin/bash

（3）安装需要的包，也可以直接用

pip install -i https://pypi.douban.com/simple/ -r requirements.txt

进行安装但总感觉反馈不及时，知道哪里出错了，故使用下面的命令一步一步安装，推荐使用豆瓣源，安装速度较快

pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple/

pip install -i https://pypi.douban.com/simple/ matplotlib

pip install -i https://pypi.douban.com/simple/ numpy

pip install -i https://pypi.douban.com/simple/ opencv-python

pip install -i https://pypi.douban.com/simple/ Pillow

（4）import cv2 会出错

解决方法：

apt update

apt install libgl1-mesa-glx

apt-get install -y libglib2.0-0