1、找到yolov5文件内的classify文件夹进入
和目标检测一样,train.py用来训练模型,predict.py用来检测模型
2、下载yolov5分类训练模型
进入yolov5 github官网 或者使用我上传到百度网盘的模型 百度网盘连接,提取码:2rt3
下载yolov5s-cls.pt
下载完将该文件放在yolov5主文件夹下
3、打开train.py文件
主要修改内容如下
model为刚刚下载的模型,图中模型存放在主目录下,不用加任何东西
data为图片数据集存放位置,绝对路径和相对路径都可使用,相对路径起始位置为yolov5主目录
epochs为训练轮数
batch-size为一轮中多少张图片为一组进行训练,越大效果越好,同时越吃显卡性能
imgsz为图片大小,初始为224,根据自己数据集图片大小进行调整,越大,越吃显卡性能
nosave是否保存每轮训练的测试数据,注意store_true代表false,store_false代表true,如果选择true,训练完成文件夹内的results.csv只有最后一轮数据
device为训练所用设备,0,1,2,3,4都为显卡,cpu为使用cpu训练
workers为训练时的进程数,使用默认就好
4、整理数据集
将数据集按照7(train):2(val):1(test)的比例分为下面三份
每个文件夹内都是分类标签文件夹,例如下图,我要训练的模型只需要识别no和yes两类,如果你要识别花的种类,就写创建花种类的文件名例如rose,daffodil等,然后将这些花的图片放入对应文件夹内
调整后参数,弄好数据集就可以训练了
YOLOv5分类训练,训练自己的数据集
于 2023-08-25 16:52:03 首次发布