提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
新手使用colab的完整学习记录,包括数据准备,环境准备,训练,测试等过程.
系统环境:Windows11
使用平台:GoogleColab
变成语言:Python
一、数据准备:口罩数据集
我忘记是在哪里看到的这个数据集文章了(找了很久,实在是找不到)
官方下载地址:
https://public.roboflow.com/object-detection/mask-wearing
网盘下载地址https://pan.baidu.com/s/1EIZM_4VL3AVPjAs-0gXkEg?pwd=5ih5 提取码: 5ih5
二、环境准备
科学上网进入GoogleDrive
1.新建一个colab文件
双击新建,更多-》GoogleColab。
首次使用GoogleColab,关联更多应用后搜索添加Colab即可。
建好后命名yolov5
修改-》笔记本设置-》选择GPU后-》保存
连接
环境初步准备完成。
2.环境相关调试
查看分配的显卡相关信息
!nvidia-smi
查看torch版本和cuda信息
import torch
torch.__version__
torch环境安装
!pip3 install torchvision
环境挂载
这里请注意路径,绿色代码部分,写清楚自己的路径!
路径正确检查办法:按住ctrl+鼠标单击,是否可以进入相关文件夹
import os
from google.colab import drive
drive.mount('/content/drive')
path = "/content/drive/MyDrive/yolov5"
os.chdir(path)
os.listdir(path)
运行后连接到谷歌
允许即可
代码运行结果
搭载完成
3.准备yolov5模型文件夹
!git clone https://github.com/ultralytics/yolov5.git
上传刚刚下载好的口罩数据集到yolov5文件夹中
注意这里我将口罩文件夹改名为maskData,以及相关路径
修改maskData中的data.ymal的nc值为2
三、开始口罩模型训练
注意文件路径
!python train.py --data /content/drive/MyDrive/yolov5/maskData/data.yaml --cfg models/yolov5s.yaml --weights '' --batch-size 64
最后一行即为结果保存位置
四、训练结果测试
基本格式:
!python detect.py文件的路径 --weight 训练生成的口罩权重文件 --source 需要测试的图片
!python /content/drive/MyDrive/yolov5/detect.py --weights /content/drive/MyDrive/yolov5/runs/train/exp2/weights/best.pt --source /content/drive/MyDrive/yolov5/maskData/test/images/w1240-p16x9-2019-10-04t075956z_1862636027_rc15d4d49d00_rtrmadp_3_hongkong-protests_jpg.rf.061f2c7f7d17a0b472510eadb717a0b9.jpg
测试机结果图
五、总结
简单的熟悉Colab过程,一定要注意路径的问题。