1、FileZilla上传数据到服务器(或者上传网盘–VNC远程连接服务器桌面、在终端输入解压文件)
注意:主机前加sftp://
拖动文件夹到服务器列表
2、VNC远程连接桌面,
先查看python版本符不符合条件。不符合就新建环境,下符合版本的python。
3、打开终端解压缩
Cd 进入模型的文件夹
tar -xvf 文件.tar
.zip文件是unzip 吧啦吧啦
4、执行跑代码语句跑实验之前先pip可视化工具
1、(colab)上传数据集:
或者文件上传压缩包后解压缩
5、配置环境
命令:pip install -r requirements.txt
linux终端,停止命令:ctrl+z
Linux上修改.yaml:用vim
删除文件用!rm -rf+文件名
pwd找位置
Cd/…/yolov3进入位置
…requirement…
进入到train.py那个文件夹下
出现的错:1)pycocotools找不到
解决方法:conda install pycocotools,再执行 安装requirements语句。
2)
更新pip: python -m pip install --upgrade pip
3)没有yaml
解决方法:
4)没有seaborn
解决方法:
6、开始跑
或者
出现的问题:
1)cuda out of memory(内存不够了)
解决方法:调整batch-size和epoch
batch-size大小改成一半,epoch设置100左右(不写默认300轮)
过程:
7、可视化工具:找到出结果的exp,进入到train文件夹输入命令tensorboard --logdir=exp
8、测试:测试图片,如果图片很多就写到文件名为止(例如:data/images),source后是测试集路径,权重文件路径在训练结果里显示
预测好的照片去detect下找
下面这张图片没用自己训练的权重
运行结果
检测一张照片:(去跑完模型生成的train里找训练好的weights)
python detect.py --source data/images/mov_001_007585.jpeg --weights runs/best.pt
实施检测:
python detect.py --source 0 --weights runs/best.pt