yolov5调试经验

环境配置情况

torch=1.9.0+cu111
torchvision=0.10.0+cu111

我的是3060按照上述torch配置就行,其余就按照yolo官方的requirement自行配置。

数据集导入

./data/coco.yaml以这个数据集作为模板去改
参数配置如下

# 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: ../MyDataset/yolo  # dataset root dir
train: images/train  # train images (relative to 'path') 118287 images
val: images/val  # val images (relative to 'path') 5000 images
test: images/test   # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# Classes
names:
  1: hp_cm
  2: hp_cd
  3: kp

注意,path的参数是直接数据集根目录,其文件结构是,如果可能请按照这个目录结果来放置数据集

# parent
# ├── yolov5
# └── MyDataset
#     └── yolo
#         └── images (这里放jpg)
#             └── train
#             └── val
#         └── labels
#             └── train
#                   └── xxxx.txt
					  ..........
#             └── val

网络模型选型

models/yolov5x.yaml中修改参数。(ps:我这里是选择使用yolov5x这结构)
只需要改这个参数就行

nc:3 # number of classes

运行命令

python train.py --data ./data/defect.yaml --cfg yolov5x.yaml --weight ./pretrain/yolov5x.pt --batch-size 8 --workers 0

导入的路径不需要加引号

输出的结果

最后输出的结果会在runs/train下的每个exp中

测试集验证

运行命令

python val.py --data ./data/defect.yaml --weight ./code/yolov5/runs/train/exp5/weights/best.pt --batch-size 8 --workers 0
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值