YOLOv5 COCO数据集 训练 | 【YOLOv5 训练】

• 🥇 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

---

• 环境搭建–请移步该博文

---

📗 数据准备

---

• COCO数据集下载
• COCO数据集txt格式标签下载

• 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