基本流程
代码clone
下载训练集&预训练模型
本地环境配置
训练参数确定&训练集样式
训练
tensorbard可视化
验证代码clone
源码github: git clone ultralytics/yolov5
码云下载(推荐):git clone yql/yolov5
下载训练集&预训练模型https://www.kaggle.com/ultralytics/coco128https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip https://github.com/ultralytics/yolov5/releases/download/v3.0/yolov5s.pt
本地环境配置
配置 虚拟环境
conda create -n yolov5-env python=3.7
安装 requirements.txt 记录的库
pip install -qr yolov5/requirements.txt(会报错,本人单独手动安装,临时切换成国内源,较快)
训练参数确定&训练集样式
1类别 (例45-->bowl)
2坐标中心点x
3坐标中心点y
4目标宽度
5目标长度
浮点数 是因为做了归一化保持数值在0~1之间训练(CPU)
python train.py --data coco128.yaml --cfg yolov5s.yaml --weights yolov5s.pt --batch-size 64 --device cpu
tensorbard可视化执行 tensorboard --logdir runs/
TensorBoard 2.2.2 at http://localhost:6006/ (Press CTRL+C to quit)
测试
python detect.py --source ./inference/images/ --weights yolov5s.pt --conf 0.4
测试图片放到此路径下
参考网站:
https://github.com/ultralytics/yolov5github.com 从零开始手把手教你利用yolov5训练自己的数据集(含coco128数据集/yolov5权重文件国内下载)更新于20200728_ai_faker的博客-CSDN博客blog.csdn.net
以上