pt格式文件转engine小记【yolov5-6.0版本】

本文介绍了如何在Yolov5-6.0版本中添加新模型(如椅子类别),包括将官方提供的pt文件转换为TensorRTengine文件的过程,以及在不同版本间操作的注意事项,如CMakeLists.txt文件的修改和可能遇到的错误解决。
摘要由CSDN通过智能技术生成

背景

项目是使用yolov5-6.0的版本,需要加一个新模型进去,yolov5提供的类别有很多,我这里使用chair椅子。第一步就是先把提供的pt文件转化为tensorrt所需要的engine格式的文件,在官网上有提供转换方法。(似乎高版本的yolo可以直接导出engine格式文件了)
tensorrt github地址
yolov5-6.0版本

下载所需要的文件

因为版本不一样,使用git命令下载的只能下最新版,下载压缩包解压使用
在这里插入图片描述
在这里插入图片描述
解压完毕之后,看对应版本的操作流程,如下:
在这里插入图片描述
照着这个步骤一步步来就可以。其中需要注意点如下,在生成engine的时候可能会出现错误,就是build tensorrtx/yolov5 and run环节里,其中我做的修改如下,找到yolov5的目录下CMakeLists.txt文件,修改tensorrt的目录成自己的。生成完engine文件之后可以进行测试。

要从YOLOv5-6.0的训练结果中得出召回率,准确率和平均精度(mAP),您需要执行以下步骤: 1. 训练模型时,设置`--project`和`--name`参数来保存训练结果。例如: ``` python train.py --img 640 --batch 16 --epochs 50 --data coco.yaml --weights yolov5s.pt --project myproject --name mymodel ``` 这将在`runs/train/myproject/mymodel`目录下保存模型训练结果。 2. 运行`detect.py`脚本并使用`--save-txt`参数来生成预测结果的标注文件。例如: ``` python detect.py --source val/images --weights runs/train/myproject/mymodel/weights/best.pt --conf 0.5 --save-txt ``` 这将在`val/labels`目录下保存预测结果的标注文件。 3. 运行`test.py`脚本并使用`--data`参数来生成测试结果。例如: ``` python test.py --weights runs/train/myproject/mymodel/weights/best.pt --data coco.yaml --task test --batch-size 16 --iou-thres 0.65 --conf-thres 0.001 ``` 这将生成测试结果,并将其保存在`runs/train/myproject/mymodel/results.txt`文件中。 4. 运行`evolve.py`脚本并使用`--evolve`参数来计算召回率,准确率和mAP。例如: ``` python evolve.py --data coco.yaml --img 640 --batch 16 --weights runs/train/myproject/mymodel/weights/best.pt --evolve ``` 这将计算召回率,准确率和mAP,并在终端输出结果。您还可以使用`--plot`参数来生成结果的可视化图表。 注意:以上步骤仅适用于YOLOv5-6.0的训练结果。如果您使用其他版本YOLOv5或修改了代码,可能需要不同的步骤来得出相应的指标。
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