Ubuntu下如何训练自己的图像数据集

最新推荐文章于 2023-09-18 18:30:13 发布
最新推荐文章于 2023-09-18 18:30:13 发布
阅读量851 收藏 3
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013313528/article/details/81781350
版权
本文详细介绍了在Ubuntu系统下训练图像数据集的四个步骤：数据准备，图片转换为lmdb格式，计算均值，以及开始训练。强调了在每个步骤中需要注意的细节，如txt文件的正确性，图片尺寸的一致性，以及prototxt文件的修改等。
摘要由CSDN通过智能技术生成

第一步:准备数据

首先需要准备两个文件夹,一个是train,一个是val.收集一定数量的图片,越多越好,要求同样的分辨率和扩展名.

train中,将图片分类存放至文件夹中,例如,000文件夹中全是赵XX ,001文件夹中全是钱XX,如下

val中,可以不按照文件夹存放,也可以如train一样按照文件夹存放,同样存放一定数量的图片,例如赵XX和钱XX的图片

接下来就是准备对应的索引文件train.txt和val.txt,里面包括:图片相对于txt文件的相对位置和编号,train.txt和val.txt格式一致,如下

 其中,图片的对应关系一定不能错,train.txt中赵XX 是2,则val.txt中赵XX 的图片对应也必须是2.

 

第二步,图片转换

准备好图片后,就需要将图片转换成lmdb格式,需要修改examples/imagenet中的create_imagenet.sh.该文件如图所示

最低0.47元/天 解锁文章
Handsome灬Harry
关注
ubuntu18.04升级到20.04，一直提示认证升级信息错误
blueparrot的专栏
10-11 1552
ubuntu18.04升级到20.04，一直提示认证升级信息错误，无法进行；后来把源从阿里云换成了清华，问题解决。 附清华源： deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
Ubuntu16.04下YOLO V3训练自己的数据集（超详细））
10-13
Ubuntu16.04下YOLO-V3的配置方法，里面添加了一些配置成功的网址，实测有效
ubuntu训练习惯记录(abspath,os.getcwd(),nohup等)
baidu_40840693的博客
11-18 308
#!/usr/bin/env bash dataset="$1" GPUNAME="$2" PYTHON=~/anaconda3_py3.7/bin/python nohup $PYTHON teacher_training.py dataset GPUNAME > result_001.log 2>&1 & import os import sys DATASET = sys.argv[1] os.environ['CUDA_VISIBLE_DEVICES'] = s.
Ubuntu学习NO7.Ubuntu指令训练集合
藏镜人
05-24 403
一、常用指令 1、cd指令 cd ~ ：切换到当前用户的主目录（/home/user） cd . : 切换当前目录 cd ..: 切换上级目录 cd - ：进入上次所在的目录 2、ls 指令 ls -a : 显示隐藏文件 ls -l ：显示详细信息 ls -h : 配合-l更方便看文件大小 ls *.py : 搜索所有带py后缀文件 3、touch：新建文件指令 4、重定向命令 ‘ > ' 5、文件操作指令 1、mkdir ：创建文件夹 mkdir -p...
Ubuntu自己的一些练习
suliangyi11的博客
03-20 277
  1.创建一个目录 mkdir -p 123   2.在123目录里面创建两个空文件 touch file1 file2   3.查看文件存在 ls   4.查看文件里面的写的内容 cat  file1 |more这是以分页的方式显示文件file1里面的内容   5.查看文件的权限并更改，添加或删除文件权限 查看文件的权限    ls -l 查看文件夹的权限 l...
U-Net图像语义分割实战：训练自己的数据集
06-14
本课程将手把手地教大家使用labelme图像标注工具制作自己的数据集，生成Mask图像，并使用U-Net训练自己的数据集，从而能开展自己的图像分割应用。 本课程有三个项目实践： (1) Kaggle盐体识别比赛 ：利用U-Net进行...
Mask R-CNN图像实例分割实战：训练自己的数据集
06-14
本课程将手把手地教大家使用VIA图像标注工具制作自己的数据集，并使用Mask R-CNN训练自己的数据集，从而能开展自己的图像分割应用。 本课程有三个项目案例实践： (1) balloon实例分割 ：对图像中的气球做检测和分割 ...
DeepLabv3+图像语义分割实战：训练自己的数据集
06-14
DeepLabv3+是一种非常先进的基于深度学习的图像语义分割方法，可对物体进行像素级分割。 本课程将手把手地教大家使用labelme图像标注...下图是使用DeepLabv3+训练自己的数据集RoadScene进行图像语义分割的测试结果：
Yolov8基本介绍+训练自己数据集
最新发布
04-16
本文档将详细指导如何在Ubuntu 22.04上安装所需的软件和库，并且演示如何使用YOLOv8对自定义数据集进行训练。 #### 安装开发环境 - **安装NVIDIA驱动**：确保GPU能够正常工作。 - **安装CUDA**：CUDA是NVIDIA推出的...
ubuntu14.04下训练自己的数据
06-25
ubuntu14.04用fast rcnn下训练自己的数据，
在ubuntu下用darknet训练自己的模型-yolo4
林一百二十八的博客
10-23 1072
风扇转的飞快
SSD训练自己的数据集 Ubuntu16.04
yogart_77的博客
05-09 1378
环境：Ubuntu16.04  cuda8.0 cudnn6一、制作自己的数据集https://github.com/whlook/VOCMakerimgs存放所有的原始图片JPEGImage 存放所有的训练集图片。（1）首先运行rename.py文件运行rename.py 脚本来生成基本目录并将图片命名转换成标准格式存放在JPEGImages中（2）打开vs 2017运行文件并进行标注，“O”完...
快速下载kaggle上的数据集-ubuntu系统
weixin_42279044的博客
04-22 1212
有个小项目正好要用到一个kaggle的数据集，上去注册下载发现巨慢无比，几k/s的水平。后来发现一个好方法：安装kaggle的api下载。 系统：ubuntu 16.04 安装kaggle的api: pip install kaggle 在myAcount里找到create new API token，然后下载这个token，名字叫kaggle.json。 把他放到/home/your acco...
将图像数据集划分为训练集，验证集，测试集
Major_S的博客
04-05 5544
# -*- coding: utf-8 -*- """ 将数据集划分为训练集，验证集，测试集 """ import os import random import shutil # 创建保存图像的文件夹 def makedir(new_dir): if not os.path.exists(new_dir): os.makedirs(new_dir) random.seed(1) # 随机种子 # 1.确定原图像数据集路径 dataset_dir = os.path.join("
异常检测开源数据集汇总
极市平台的技术博客
09-18 687
数据集下载链接：http://suo.nz/35AL1ZLarge-scale Anomaly Detection (LAD) 是一个用于对视频序列中的异常检测进行基准测试的数据库，它具有两个方面的特点。1) 包含正常和异常视频片段2000个视频序列，碰撞、火灾、暴力等14个异常类别，场景种类繁多，是目前最大的异常分析数据库。2）提供标注数据，包括视频级标签（异常/正常视频、异常类型）和帧级标签（异常/正常视频帧），方便异常检测。
详解tensorflow训练自己的数据集实现CNN图像分类
热门推荐
王爷的CSDN
07-02 5万+
本教程旨在手把手教大家使用Tensorflow构建卷积神经网络（CNN）进行图像分类。教程并没有使用MNIST数据集，而是使用了真实的图片文件，并且教程代码包含了模型的保存、加载等功能，因此希望在日常项目中使用Tensorflow的朋友可以参考这篇教程。完整代码可在专知成员Hujun的Github中下载。https://github.com/hujunxianligong/Tensorflow-C...
Tensorflow 训练自己的数据集（一）（数据直接导入到内存）
ruyiwei.cas@gmail.com
04-12 2万+
制作自己的训练集下图是我们数据的存放格式，在data目录下有验证集与测试集分别对应iris_test， iris_train 为了向伟大的MNIST致敬，我们采用的数据名称格式和MNIST类似 classification_index.jpg 图像的index都是5的整数倍是因为我们选择测试集的原则是每5个样本，选择一个样本作为测试集，其余的作为训练集和验证集生成这样数据的过程相对简单，如果有
Tensorflow 训练自己的数据集（二）（TFRecord）
ruyiwei.cas@gmail.com
04-12 1万+
1. TFRecord输入数据格式2. TFRecord格式介绍3. 将自己的数据转化为TFRecord格式准备数据转换数据import os import tensorflow as tf from PIL import Image import matplotlib.pyplot as plt cwd='/home/ruyiwei/Documents/data/' classes={'i
ubuntu下yolov5训练自己的数据集
09-09
在Ubuntu系统中，您可以使用YOLOv5来训练自己的数据集。以下是在Ubuntu下使用YOLOv5训练自己的数据集的步骤： 1. 首先，您需要安装YOLOv5。您可以按照引用[1]提供的步骤，安装YOLOv5并准备您的数据集。 2. 接下来，您需要修改配置文件以适应您的数据集。配置文件位于yolov5/models文件夹下，您可以根据您的需求选择适合您的网络模型和参数。例如，您可以使用yolov5s.yaml作为配置文件。 3. 然后，您可以使用以下命令开始训练自己的数据集： ``` cd yolov5 python train.py --img 640 --batch 4 --epochs 300 --data ../VOC2020/data.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt ``` 这个命令将设置图像大小为640x640，批量大小为4，训练300个epochs，使用您的数据集的配置文件和预训练模型。 4. 等待训练完成后，您将得到训练好的网络模型。 请注意，这只是一个基本的训练流程示例，您可能需要根据您的具体情况进行调整。此外，您还可以使用TensorRT来对训练好的模型进行加速推理，具体步骤可以参考引用中提供的内容。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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