Yolov5模型训练——colab下yolov5的数据集训练
本章将从以下两个个方面介绍从准备模型训练材料的整个过程。
- 连接colab和谷歌云
- 训练数据集
-连接colab和谷歌云
1、科学上网,注册谷歌账号
2、登陆google云盘
https://drive.google.com —— 谷歌云盘链接
3、将下好的yolov5包上传到谷歌云盘
4、连接colab和谷歌云
打开colab
https://colab.research.google.com/notebooks/intro.ipynb ——Colab链接
按顺序点击图中的 1和 2
2 |
1 |
点击上图的2之后中间就会跳出一段代码与提示,然后点击左边run按钮运行
跳出以下界面后,首先点击链接授权谷歌云盘的权限,复制密码串,再回到colab中粘贴密码串,按回车键。
完成两者的连接
-训练数据集
1、打开谷歌云盘,新建Colab Notebooks的笔记本
2、改运行类型为GPU(重要),然后点击下图所示按钮。
3、输入 !nvidia-smi 查看colab为我们分配的gpu资源
4、点击右侧的装载谷歌云盘
5. 新增代码段,输入以下代码然后运行
!cd /content/drive/MyDrive/yolov5-master && pip install -r requirements.txt
6、将已经标注好的数据集上传到谷歌云中yolov5-master文件下
7、开始训练,新增代码,然后运行以下代码
!cd /content/drive/MyDrive/yolov5-master && python train.py --img 640 --batch 32 --epochs 100 --data /content/drive/MyDrive/yolov5-master/yolo_A/yolo_A.yaml --weights yolov5s.pt --nosave --cache
batch越大,训练速度越快,但是colab一般最大支持64,我们普通的电脑一般支持8甚至1。如果运行时显示内存不足,就把64改成32。
img是指图片训练的大小,一般是32的倍数,默认640.如果标签识别很小的物体,可以把img改大,但是占用内存多,应把batch改小,从而训练速度会下降,但是会精准一点。
epochs是训练的次数。
8、训练完成后,结果会在yolov5下的runs中的train/exp中。然后可以得到其权重文件last.pt或者best.pt
9、新增代码,输入以下代码,调用训练出来的模型测试识别效果
%cd /content/drive/MyDrive/yolov5-master
!python detect.py --source /content/drive/MyDrive/yolov5-master/runs/train/exp4/test.jpg --weights /content/drive/MyDrive/yolov5-master/runs/train/exp4/weights/last.pt --img 640 --conf 0.25
识别结果储存位置会显示出来,在左侧谷歌云中找到双击可打开,也可下载
10、在windows系统中直接运行,在colab中下载权重文件(位置看第8步),将其放到win系统下的yolov5/weigths中。
找一些要检测的数据,然后放在yolov5/data/images下
11、进入yolov5的文件夹,输入cmd进入命令行模式
分别输入运行以下代码
pip install -r requirements.txt -i
python detect.py --weights D:\yolov5-master\weights\last.pt --img 640 --conf 0.25 --source data/images/test.jpg
根据指定路径找到识别后的图片。
同理,视频文件、整个文件夹都是可以的。