该博客介绍了如何在Google Colab上使用YOLOv5训练一个针对木材瑕疵的深度学习模型。首先，需要准备标注好的数据集并转换成txt格式，按照特定目录结构组织。接着，在Google Drive创建文件夹并上传数据集。在Colab中连接GPU，安装PyTorch和YOLOv5，然后将数据集复制到工作环境中并修改配置文件。最后，执行训练命令开始训练，并提供了解决Colab长时间无操作掉线以及防止文件丢失的方法。
准备数据集
标注好的数据集
需要把标签信息转换为txt格式
图片和标签文件需要分开存放到为images与labels文件夹中，并且分为三个文件夹分别用于自己测试的test文件夹，用于训练的train和valid文件夹，将其全部放在同一个文件夹中，因为训练的是木材瑕疵因此放在timber文件夹中
新建一个date.yaml文件
放置在timber文件夹中
文件内容为：
train: ../timber/train/images
val: ../timber/valid/images
nc: 1
names: ['s']
nc为需要训练的类别
文件夹内的文件目录结构为下图所示
打开google drive 新建一个文件夹用于colab进行yolov5训练，并且把timber文件夹进行压缩上传
最低0.47元/天 解锁文章
扫一扫
5846
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
