'''
detect.py
python detect.py --source .\data\images --weights .\weight\yolov5s.pt
python detect.py --source D:\Dataset\QQ_SafeVerify\cs --weights D:\Dataset\QQ_SafeVerify\best.pt
#训练好的权重文件
'--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path or triton URL')
#detect目标文件夹
'--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob/screen/0(webcam)')
#置信度x,大于x将被采纳
'--conf-thres', type=float, default=0.25, help='confidence threshold')
#最大深度
'--max-det', type=int, default=1000, help='maximum detections per image')
#设备选择
'--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
#保存置信度
'--save-conf', action='store_true', help='save confidences in --save-txt labels')
train.py
python train.py --batch-size 2 --epochs 200 --data det_sample/leaf/data.yaml --weights weight/yolov5s.pt
python train.py --batch-size 32 --imgsz 320 --workers 8 --patience 0 --epochs 200 --data D:\Dataset\QQ_SafeVerify\dataset\data.yaml --weights weight/yolov5s.pt
#初始权重 yolov5s.pt
'--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
#训练模型文件
'--cfg', type=str, default='', help='model.yaml path')
#数据集参数文件yaml
'--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
#训练轮数 epochs 200-1000
'--epochs', type=int, default=100, help='total training epochs')
#图片输入大小 batch_size设置一般为2-32
'--batch-size', type=int, default=-1, help='total batch size for all GPUs, -1 for autobatch')
#修改图片大小 imgsz 32的倍数 640
'--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
#选择设备
'--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
#设置线程数量 2 4 8 16
'--workers', type=int, default=2, help='max dataloader workers (per RANK in DDP mode)')
model
weight
yolov5l.pt
yolov5m.pt
yolov5n.pt
yolov5s.pt
yolov5x.pt
Datasets
dataset_name
data.yaml
path: Datasets/dataset_name # relative to root dir
train: dataset_name/train # relative to path
val: dataset_name/val # relative to path
test: dataset_name/test # relative to path
nc: 1
names: ["1"]
train
images 文件夹
labels 文件夹
classes.txt
...
val
images 文件夹
labels 文件夹
classes.txt
...
test(optional)
images 文件
# 标记数据集
使用labelImg 标记数据集,生成label
https://www.makesense.ai/
'''
yolov5笔记之参数设置和数据集目录结构
于 2022-12-31 09:51:11 首次发布