- 🥇 版权: 本文由【墨理学AI】原创、在CSDN首发、各位大佬、敬请查阅
- 🎉 声明: 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️
- ❤️ 如果文章对你有帮助、欢迎一键三连
📔 基础信息
- 使用的代码: YOLOv5 in PyTorch
- 该代码:自定义数据集官方教程
- 致敬大佬!
📕 环境搭建
📗 数据准备
- 通过
vim yolov5-master/data/scripts/get_coco.sh
可发现默认的数据路径安排如下:
- 通过
vim yolov5-master/data/coco.yaml
注释掉下载脚本:
- 最终的项目路径如下:
📘 训练
重新开始训练:
python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 32 --device 1,2 --epochs 300 --img 640
活力全开,时长统计
time python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 64 --device 1,2 --epochs 10 --img 640
- 2块 RTX 5000 16G | --batch-size 64
- 5个 epoch 耗时 100分钟,1小时 3个 epoch ,那么训练该数据集全部数据,预估 300epoch 训练需要 100 小时;
📙 问题备注
(如果是使用 xshell 等工具操作,可能会遇到 弹窗的问题,需要 禁止 plot 弹窗):
vim train.py
vim utils/general.py
添加如下代码:
import matplotlib
matplotlib.use('Agg')
此次博文内容难以 以偏概全,如有不恰当的地方,欢迎评论区批评指正
对于即将入行计算机视觉的小伙伴,墨理这里推荐收藏的干货博文目前如下
- ❤️ 你只看一篇就够用的教程 感谢各位大佬一键三连
- 🎉 深度学习模型训练推理——基础环境搭建推荐博文查阅顺序【基础安装—认真帮大家整理了】——【1024 YOLO 专刊】
- 博主的其他几个专栏也有不少干货,不然也不会有 数百位 本、硕、博研究圈子小伙伴的关注和订阅
❤️ 人生苦短, 欢迎和墨理一起学AI
- 🎉 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️
- ❤️ 如果文章对你有帮助、点赞、评论鼓励博主的每一分认真创作