创建文件夹
- 首先创建(测试集)train文件夹
然后在labeLimg(在conda环境下)启动
images是保存的照片,labels是图像标框的数据
- 同理在(验证集)Valid也是创建相同的文件夹。
关于测试集和验证集的说明
- 训练集:用于学习的一组样例,用于拟合分类器的相关参数。
- 验证集:用于调整分类器参数的一组样例,例如选择神经网络中隐含层单元数量。
- 测试集:仅用于评估完整的最终分类器的性能的一组样例。
通常情况下的占比
一般只要这两个文件夹
train 是训练集
valid 是验证集 就是会在最后的exp结果展示的。
data.yaml 文件如下
train: D:/SCI/data1/yaogan/train #这是存放训练集的路径
val: D:/SCI/data1/yaogan/valid #这是存放训测试集的路径
# Classes
nc: 1 #几个类别
names: ['aircraft'] #类别的名称
模型的选定
模型也可以用
best.pt 是指是当此训练过最好结果的模型
last.pt 是指当此训练最后一个的模型
(在后面这些模型都可以调用)
终端训练代码:
python train.py --batch-size 8 --epochs 100 --data det_sample/data.yaml --weights pretrained/kouzhaobest.pt
# --batch-size 8 每次训练照片8张
#--epochs 100 迭代次数100此 (也就是跑100遍)
#--data det_sample/data.yaml 设定训练集和验证集的设置
#--weights pretrained/kouzhaobest.pt 选用什么路径下的模型
终端测试代码:
python .\detect.py --source D:/SCI/data1/1 --weights runs/train/exp12/weights/best.pt
#--source D:/SCI/data1/1 测试图片集存放的路径
#--weights runs/train/exp12/weights/best.pt 刚刚训练完就好的模型