使用 Colab 训练 Pytorch-Yolov4
前言
自从跑完 Ultralytics 的 Pytorch-Yolov3、Pytorch-Yolov5 之后就一直想把 Yolov4 也给跑出来,一直想把 WongKinYiu 大佬的跑出来,但是跑了半天成功不了,后来就去跑了 Darknet-Yolov4 版本的,就是 C 语言版本的,但是那个不大想写公众号的文章了,好浪费时间,就写个 Pytorch-Yolov4 版本的,写论文真累,不过看周围的同学还在用 ENVI 各种做什么建成区的面积提取,就在想,还好没做遥感的毕设,要不累个半死,还好做的是计算机的。O(∩_∩)O哈哈哈~。
Plus:
Colab 提供的服务是 GPU 一天一人 6 小时,CPU 版本 12小时,如果你多次连了不用会关黑屋,× 出去 ✊。 关于如何 XX 上网的问题不要问我,自己好,买也好,自己解决,记得代码程序运行的时候选择 GPU 运行,当然如果没配好环境的话,先用 下好该下的东西,当然 CPU 和 GPU 是两台不同的机器,再装 requirements 的时候需要用 GPU 的环境,记得,记得,记得!
训练步骤
- 打开 Colab,挂载云盘。可以使用下面的命令,也可以点快捷键,在文件下面的第三个工具那点一下就会问你是不是要挂载云盘,问完之后一般会给你一个验证码,自己验证一下就行了。
from google.colab import drive
drive.mount('/content/drive')
也可以用这个命令来挂载云盘,挂载好之后,切换到 drive/MyDrive
中,准备下一步工作。
- 下载代码,由于 Colab 是外面世界的,而 Github 也是外面世界的,所以在 Clone 的时候不会遇到像国内下载代码很慢的情况。
!git clone https://github.com/WongKinYiu/PyTorch_YOLOv4
注意,在 Colab 中如果想要用 git clone
命令的话需要前面加一个 ❗。下载好之后,切进去。
之后的 数据上传、配置环境不区别先后顺序,最好是提前就把你的数据按照 Coco 的数据格式组织一下,就是 PyTorch_YOLOv4 下新建一个 coco 文件夹,然后放两个文件,一个是 train, 另外一个是 val。 文件夹里面分别放 images 和 labels ,在 coco 文件夹下放上图片的路径,plus:这个版本的路径有点奇怪,反正坑死我了。
-
上传数据,组织数据。
-
配置环境,这个版本的环境是真的难受,由于 Yolov4 用到了 mish 函数,所以还得装 mish_cuda ,就很奇怪,很难装。
该步中需要装很多东西,需要两个文件,一个是 torch_vision = 0.7.0