yolov5_6.2训练模型的方法及数据准备

爱吃油淋鸡的莫何

于 2023-07-10 18:45:22 发布

阅读量257

点赞数

文章标签：深度学习机器学习人工智能

本文链接：https://blog.csdn.net/qq_42835363/article/details/131645743

版权

该文详细阐述了训练Yolov5模型的步骤，包括数据集的准备，如json文件的拷贝和组织，训练图片的放置，以及使用json2txt.py脚本进行数据划分。此外，还提到了在Python环境中激活相应conda环境，校验和修改配置文件如my_yolo5.yaml，以及train.py的执行。训练过程中的resume参数用于恢复中断的训练。

摘要由CSDN通过智能技术生成

训练模型的方法及数据准备____
========================

======================================================================

TrainFile
===========================数据集
home/user/datasTrainALL/
1 先转到对应路径：
PS C:\Users\VRC\Desktop>
2 在要复制文件夹所在路径下执行
scp -r ./Mydatas user@192.168.1.49:/home/user/datasTrainALL/Mynewdatas_2304
解释： ./Mydatas是要复制的文件名
mec@192.168.1.107:/home/user/datasTrainALL/Mynewdatas_2304 要复制到的服务器路径

注意和步骤：
1 所有的output中的json文件需要拷贝到存放所有json的路径下
2 训练的时候把需要训练的所有图片 copy 到 home/user/TrainFile/datasTrain/images/train路径下
3 cp /home/user/datasTrainALL/LQ_OrdinaryRoad02_6137_3.16GB/* /home/user/TrainFile/datasTrain/images/train/
4 查看当前文件夹下的文件数目： ls -l | grep "^-" | wc -l
5 进入训练的python环境： source activate yolov5t
查看当前conda环境有哪些？ conda env list
6 执行 json2txt.py 中的函数split_train_val_test()来划分 train 和 val
7 执行 json2txt.py 中的函数json2txt()来将 train 和 val中图片对应的txt文件生成
8 执行对应的train.py【参见后面】
9 根据里面的参数，尤其需要涉及修改或核对：weight路径; model/yolov5s.yaml; data/my_yolo5.yaml;
10 resume 参数：如果上次训练到中途机器重启了，可以将此参数default=True,将会从上次中断的位置继续执行。

===========================训练
home/user/TrainFile

train.y: home/user/TrainFile/yolov5_6./train.py
train.y之前：data/my_yolo.yaml文件需要修改: 数据及分类（数目和类别）
model/yolov5s.yaml文件需要核对
还需要准备数据集/数据集放在home/mec/zyTrain/datasTrain/目录下

       --datasTrain
           --images
               ----train
               ----val
           --labels
               ----train
               ----val