口罩检测——模型训练(3)

---

前言

  心心念念了很久，总于到了训练的时候。万事俱备，只欠一台有GPU的电脑。如果电脑没有GPU怎么办？AI Studio 羊毛薅起来。

---

一、创建数据集

  因为数据集过大，启动一个项目，然后直接上传是不行的，所以先创建一个数据集，再在数据集基础上创建项目。

二、创建项目

  以下页面是点击4.选中我们创建的数据集弹出的框。

  copy paddleyolo github 链接

  注意在ppyoloe.ipynb文件里面写的代码或者markdown都要ctrl+s保存一下，养成一个优良的习惯。

三、模型配置

  在configs下面有很多模型，文件夹名就是模型名字，除了可以使用ppyoloe，还有yolov5，yolov8等。

  选择一个模型文件夹，修改文件夹里面的配置文件，我们选择的是small版本的ppyoloe，需要训练80 epochs。

  我们需要把num_classes修改成2，因为我们的数据集只有两个标签，分别是nomask，mask。改完记得ctrl+s保存。

  因为配置文件中要求数据放到dataset/mask里面，所以需要把数据集放置到此处。

  新建一个mask文件夹，把解压过后的数据文件夹拖到mask里面。

  为了方便，直接剪切。

  粘贴到dataset文件夹下，注意红色框的路径。

---

四、模型训练

  因为我们是基础版本环境，没有GPU，所以需要切换环境。如果你像下面这样切换环境，大概率你是切换不了的，因为文件过多过大。

  切到这个页面停止。

  重启环境，但是这次你要选择GPU环境，根据自己的算力卡富余量决定选哪个选项，土豪的话，四个GPU起飞。

  小编就选个一般的。

  在ppyoloe模型文件夹里面有个readme_cn.md，里面有训练模型的命令。将改命令复制到ppyoloe.ipynb文件里面执行。

  命令是多卡训练，我们需要稍作修改，换成单卡训练，因为你启动工程的时候就选了一个卡。

!python tools/train.py -c configs/ppyoloe/ppyoloe_plus_crn_s_80e_coco.yml 

  模型训练标志，此时是0 epoch，eta时间估计大概要2个小时17分16秒训练完成。时间会变，但是大概就两个小时左右，所以可以开个黑回来刚好合适。

  找到自己的模型放置位置，在生成的output文件夹下。如下图操作可以获取模型model_final.pdparams的绝对路径，然后粘贴至weights=后面，导出模型。

!python tools/export_model.py -c configs/ppyoloe/ppyoloe_plus_crn_s_80e_coco.yml -o weights=模型参数绝对路径

  导出模型会放置output_inference文件夹下。

  下载导出的模型，用于下一次课程模型转换当中。

五、关于模型

  这个模型是百度出的。如下图所示，模型可以说是相当nice了。我们的宗旨是，先使用，如果好，再研究，所以原理就不过多介绍了。后期会使用paddlepaddle实现yolo算法，包括ppyoloe。

总结

  事无巨细，小编能做到的是，让小伙伴们能够在做项目中少走弯路，所以有很多截图。模型训练到此就告一段落，要想成为一个合格的调参大侠，需要不断的尝试。模型拿到了，接下来就是模型转换，转换成我们OpenVINO能运行的模型，敬请期待。