最近，我让介个人学习神经网络，但是发现自己也不会。连自己都不会，又怎么帮别人解决问题呢？于是我花了一上午研究了一下 Darknet 训练 Yolov4-tiny(我们上个赛季用的就是这个，所以基本上不用怎么学)， 一下午研究了一下 Pytorch 怎么训练 yolov5 模型，故作此篇。
介个人最近在学 yolo，前不久也被环境折磨了好久（可以看这里，在下亲眼见证现状的惨烈哈哈哈哈~），于是我努力学习如何使用 Pytorch ，这样就可以继续嘲笑她了哈哈哈哈哈哈哈哈哈~~
Pytorch 训练
参考博客：这里
1. 训练数据集制作
1.1 将图片和标签导入
首先建立一个自己的数据文件夹 armor_coco，并在该文件夹下创建 all_images 和 all_xml 两个文件夹。目录结构如下：
armor_coco
├── all_images
├── all_xml
之后将需要训练的图片和 xml 标签分别存放在 all_images 和 all_xml 两个文件夹下
1.2 可选项：导入已有的 txt 标签
如果此时手上已经有转换好的 txt 文件，则在 armor_coco 文件夹下创建 all_labels 文件夹，将 txt 标签放进去。之后在生成的时候，将 py 脚本中的一行注释掉即可（之后会讲）
1.3 创建 make_txt.py 并执行
make_txt.py 是用来划分数据集使用。
在 armor_coco 目录下创建 make_txt.py，并写入以下内容：
import os
import random
trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'all_images'
txtsavepath = 'ImageSets'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv) #从所有list中返回tv个数量的项目
train = random.sample(trainval, tr)
if not os.path.exists('ImageSets/'):
os.makedirs('ImageSets/')
ftrainval = open('ImageSets/trainval.txt', 'w')
ftest = open('ImageSets/test.txt', 'w')
ftrain = open('ImageSets/train.txt', 'w')
fval = open('ImageSets/val.txt', 'w')
for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftest.write(name)
else:
fval.write(name)
else:
ftrain.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()
运行：
python make_txt.py
运行完成后生成 ImageSets 文件夹，在该文件夹下生成 4 个.txt文件：
├── test.txt
├── train.txt
├── trainval.txt
└── val.txt
这些文件保存着图片的划分信息，划分为 train val test 三类。
1.4 创建 train_val.py 文件并执行
在 armor_coco 文件夹下创建 train_val.py 文件，并写入以下内容：
import xml.etree.ElementTree as ET
import pickle
import os
import shutil
from os import listdir, getcwd
from os.path import join
sets = ['train', 'trainval']
### 需要修改以下内容
classes = ['Dark1','Dark2','Dark3','Dark4','Dark5','Dark6','Dark7','Red0','Red1','Red2','Red3','Red4','Red5','Red6','Red7','Red8','Blue0','Blue1','Blue2','Blue3','Blue4','Blue5','Blue6','Blue7','Blue8']
def convert(size, box):
dw = 1. / size[0]
dh = 1. / size[1]
x = (box[0] + box[1]) / 2.0
y = (box[2] + box[3]) / 2.0
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return (x, y, w, h)
def convert_annotation(image_id):
in_file = open('all_xml/%s.xml' % (image_id))
out_file = open('all_labels/%s.txt' % (image_id), 'w')
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
difficult = obj.find('difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
print(wd)
for image_set in sets:
if not os.path.exists('all_labels/'):
os.makedirs('all_labels/')
image_ids = open('ImageSets/%s.txt' % (image_set)).read().strip().split()
image_list_file = open('images_%s.txt' % (image_set), 'w')
labels_list_file=open('labels_%s.txt'%(image_set),'w')
for image_id in image_ids:
image_list_file.write('%s.jpg\n' % (image_id))
labels_list_file.write('%s.txt\n'%(image_id))
convert_annotation(image_id) #如果标签已经是txt格式，将此行注释掉，所有的txt存放到all_labels文件夹。
image_list_file.close()
labels_list_file.close()
def copy_file(new_path,path_txt,search_path):#参数1：存放新文件的位置 参数2：为上一步建立好的train,val训练数据的路径txt文件 参数3：为搜索的文件位置
if not os.path.exists(new_path):
os.makedirs(new_path)
with open(path_txt, 'r') as lines:
filenames_to_copy = set(line.rstrip() for line in lines)
# print('filenames_to_copy:',filenames_to_copy)
# print(len(filenames_to_copy))
for root, _, filenames in os.walk(search_path):
# print('root',root)
# print(_)
# print(filenames)
for filename in filenames:
if filename in filenames_to_copy:
shutil.copy(os.path.join(root, filename), new_path)
#按照划分好的训练文件的路径搜索目标，并将其复制到yolo格式下的新路径
copy_file('./images/train/','./images_train.txt','./all_images')
copy_file('./images/val/','./images_trainval.txt','./all_images')
copy_file('./labels/train/','./labels_train.txt','./all_labels')
copy_file('./labels/val/','./labels_trainval.txt','./all_labels')
注意需要将 classes 数组修改为我们打的标签，并按照一定顺序进行存放（这个顺序很重要，之后会有类似的修改，也要保证顺序一致。）
另外，如果用已经转换好的标签进行训练，则需找到 convert_annotation 一行注释掉，同时需保证 classes 中的标签顺序与之前转换 txt 时的标签书序一致。
执行：
python3 train_val.py
运行结束后 armor_coco 文件夹下的内容：
├── all_images
├── all_labels
├── all_xml
├── images
│ ├── train
│ └── val
├── ImageSets
└── labels
├── train
└── val
至此，数据集制作完成。
2. 训练
2.1 下载 yolov5 的 Pytorch 框架
下载地址：https://github.com/ultralytics/yolov5/tree/v6.0
解压后打开文件夹
2.2 创建 armor_coco.yaml
在上述文件夹中，打开 data 文件夹，复制一份 coco128.yaml 文件并重命名为 armor_coco.yaml。修改以下内容：
- path: 修改为 armor_coco 文件夹的路径
- train: 修改为 images/train
- test: 修改为 images/test
- nc: 类别数。因为我们现在有 25 个类，修改为 25
- names: 修改为与上述 classes 一致
修改后内容如下：
# YOLOv5 🚀 by Ultralytics, GPL-3.0 license
# COCO128 dataset https://www.kaggle.com/ultralytics/coco128 (first 128 images from COCO train2017)
# Example usage: python train.py --data coco128.yaml
# parent
# ├── yolov5
# └── datasets
# └── coco128 ← downloads here
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../armor_coco # dataset root dir
train: images/train # train images (relative to 'path') 128 images
val: images/val # val images (relative to 'path') 128 images
test: # test images (optional)
# Classes
nc: 25 # number of classes
names: ['Dark1','Dark2','Dark3','Dark4','Dark5','Dark6','Dark7','Red0','Red1','Red2','Red3','Red4','Red5','Red6','Red7','Red8','Blue0','Blue1','Blue2','Blue3','Blue4','Blue5','Blue6','Blue7','Blue8']
# Download script/URL (optional)
download: https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip
2.3 开始训练
回到 yolov5-6.0 文件目录下，执行：
python3 train.py --data data/armor_coco.yaml
即可开始以默认超参数进行训练
但是默认参数对于我们来说并不一定是最好的，因此我们需要指定一些训练参数。
以下代码段是从 train.py 文件中截取的，是一些我们可以指定配置参数。
def parse_opt(known=False):
parser = argparse.ArgumentParser()
parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch.yaml', help='hyperparameters path')
parser.add_argument('--epochs', type=int, default=300)
parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs, -1 for autobatch')
parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
parser.add_argument('--rect', action='store_true', help='rectangular training')
parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')
parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')
parser.add_argument('--noval', action='store_true', help='only validate final epoch')
parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')
parser.add_argument('--evolve', type=int, nargs='?', const=300, help='evolve hyperparameters for x generations')
parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')
parser.add_argument('--cache', type=str, nargs='?', const='ram', help='--cache images in "ram" (default) or "disk"')
parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')
parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')
parser.add_argument('--adam', action='store_true', help='use torch.optim.Adam() optimizer')
parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')
parser.add_argument('--workers', type=int, default=8, help='maximum number of dataloader workers')
parser.add_argument('--project', default=ROOT / 'runs/train', help='save to project/name')
parser.add_argument('--name', default='exp', help='save to project/name')
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
parser.add_argument('--quad', action='store_true', help='quad dataloader')
parser.add_argument('--linear-lr', action='store_true', help='linear LR')
parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')
parser.add_argument('--patience', type=int, default=100, help='EarlyStopping patience (epochs without improvement)')
parser.add_argument('--freeze', type=int, default=0, help='Number of layers to freeze. backbone=10, all=24')
parser.add_argument('--save-period', type=int, default=-1, help='Save checkpoint every x epochs (disabled if < 1)')
parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')
# Weights & Biases arguments
parser.add_argument('--entity', default=None, help='W&B: Entity')
parser.add_argument('--upload_dataset', action='store_true', help='W&B: Upload dataset as artifact table')
parser.add_argument('--bbox_interval', type=int, default=-1, help='W&B: Set bounding-box image logging interval')
parser.add_argument('--artifact_alias', type=str, default='latest', help='W&B: Version of dataset artifact to use')
opt = parser.parse_known_args()[0] if known else parser.parse_args()
return opt
我们可能需要修改的配置参数如下：
- weights: 用于指定开始训练所使用的的模型。一般是断点续传时使用，选择之前训练过的模型接着训练。如果不指定，则会使用一个预训练模型进行训练。
- data: 指定训练时所使用的配置文件，在这里指定我们之前编辑的 armor_coco.yaml 文件，用于告诉程序我们的训练数据集在哪里。
- epochs: 训练次数。次数越多，模型可能越准确，也可能会发生过拟合，且训练时间越长，一般指定100-200。如果由于训练次数不足导致训练效果不佳，可以使用断点续传继续训练。
- batch-size: 一次放入多少张图片进行训练，数值最好为 2^n 形式。数值越大，训练效果越好，但是对显存的需求也越大。
- imgsz：图片大小，数值为32的整数倍。该数字表示将图片以多大的尺寸进行训练，并且之后使用模型识别的时候输入图片的大小是多少。数值越大，则训练和识别效果越好，但对显卡算力的要求也越高。
在这一次的训练中，我选择训练 100 个 epoch 以 480x480 的图片大小进行训练，一次性训练 64 张图片。执行以下命令：
python3 train.py --data data/armor_coco.yaml --epoch 100 --imgsz 480 --batch-size 64
如果环境配置正常，会看到以下输出，说明正在训练：
# 前面省略一大堆看似没什么用的输出...
Starting training for 100 epochs...
Epoch gpu_mem box obj cls labels img_size
0/99 8.03G 0.0643 0.01652 0.06404 182 480: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 573/573 [02:41<00:00, 3.54it/s]
Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 32/32 [00:12<00:00, 2.60it/s]
all 4074 7862 0.687 0.303 0.29 0.143
Epoch gpu_mem box obj cls labels img_size
1/99 10.4G 0.04388 0.01098 0.02733 171 480: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 573/573 [02:37<00:00, 3.64it/s]
Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 32/32 [00:11<00:00, 2.68it/s]
all 4074 7862 0.614 0.58 0.572 0.319
Epoch gpu_mem box obj cls labels img_size
2/99 10.4G 0.03726 0.01031 0.01695 187 480: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 573/573 [02:38<00:00, 3.63it/s]
Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 32/32 [00:12<00:00, 2.60it/s]
all 4074 7862 0.612 0.696 0.723 0.427
Epoch gpu_mem box obj cls labels img_size
3/99 10.4G 0.03242 0.009914 0.01221 178 480: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 573/573 [02:40<00:00, 3.58it/s]
Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 32/32 [00:12<00:00, 2.61it/s]
all 4074 7862 0.753 0.83 0.858 0.508
# 后面省略一大堆在未来会输出的内容~
我们设置的一个 batch 是 64 张图片，一个 epoch 中训练了 573 次。 573*64=36672 跟我们的训练集的图片数量差不多。因此，一个 epoch 相当于是把整个训练集的图片都拿来训练了一遍。
训练结束后，可以在 runs 文件夹下看到训练好的模型（.pt）和验证结果。之后就可以愉悦地使用模型进行识别啦~
3262
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
