YOLOv5在验证集上进行测试

前言

今天想在验证集上测试模型的mAP,但翻遍了整个项目目录并没有找到val.py,这就很奇怪

经过在Github上yolov5的原项目中查找,发现作者在2021年7月14日已经将test.py更名为val.py

在这里插入图片描述

这样就已经确定是自己的yolov5的版本较低,仍采用的是test.py(v6.0的版本就更新为val.py了),但是在验证集上进行测试还是没有问题的

步骤

1.修改配置文件

打开test.py文件,下拉至最后的主函数部分,将模型权重文件以及数据集配置文件更换为自己的
在这里插入图片描述

2.运行

更改好之后就可以直接运行了,若不想修改配置文件,直接在命令行输入以下代码也是可以的,注意替换文件名即可

$ python test.py --weights yolov5s.pt --data coco128.yaml

3.查看结果

运行结束后的结果会保存至run/test/文件夹下,其中包括confusion_matrix(混淆矩阵)等文件,mAP信息也可以找到,这样就算大功告成了

总结

1.在yolov5-6.0的版本中,test.py就已经被重命名为val.py,作者解释其原因是为了避免将来与 python包发生任何冲突和歧义

2.推荐使用最新版的yolov5,使用起来更顺手一点,而且新版的yolov5以及可以导出更多的种类的模型进行使用,详情可看新版本中的export.py文件

  • 13
    点赞
  • 113
    收藏
    觉得还不错? 一键收藏
  • 48
    评论
行人数据集2000张-yolov5格式数据集 本数据集包含2000张行人图片的yolov5格式数据,可自由划分为训练集、验证集测试集,适用于行人检测模型的训练与评估。 行人数据集2000张-yolov5格式数据集 本数据集包含2000张行人图片的yolov5格式数据,可自由划分为训练集、验证集测试集,适用于行人检测模型的训练与评估。 行人数据集2000张-yolov5格式数据集 本数据集包含2000张行人图片的yolov5格式数据,可自由划分为训练集、验证集测试集,适用于行人检测模型的训练与评估。 行人数据集2000张-yolov5格式数据集 本数据集包含2000张行人图片的yolov5格式数据,可自由划分为训练集、验证集测试集,适用于行人检测模型的训练与评估。 行人数据集2000张-yolov5格式数据集 本数据集包含2000张行人图片的yolov5格式数据,可自由划分为训练集、验证集测试集,适用于行人检测模型的训练与评估。 行人数据集2000张-yolov5格式数据集 本数据集包含2000张行人图片的yolov5格式数据,可自由划分为训练集、验证集测试集,适用于行人检测模型的训练与评估。 行人数据集2000张-yolov5格式数据集 本数据集包含2000张行人图片的yolov5格式数据,可自由划分为训练集、验证集测试集,适用于行人检测模型的训练与评估。 行人数据集2000张-yolov5格式数据集 本数据集包含2000张行人图片的yolov5格式数据,可自由划分为训练集、验证集测试集,适用于行人检测模型的训练与评估。
在使用Yolov5进行目标检测任务时,划分训练集、验证集测试集是一个重要的步骤。划分数据集的目的是为了在训练模型时能够有足够的数据进行优化,同时也需要验证集来评估模型性能,测试集用于最终的模型评估。 可以通过以下步骤来划分数据集: 1. 获取自己的数据集,并对数据集进行标注。标注可以使用VOC(xml格式)进行保存。 2. 使用提供的代码将标注文件从xml格式转换为txt格式。这可以方便后续的处理和训练。代码可以参考引用中提供的代码。 3. 根据需求,确定训练集、验证集测试集的比例。一般来说,常见的划分比例是70%的数据用于训练,10%用于验证,20%用于测试。 4. 使用代码将数据集按照比例划分为训练集、验证集测试集。可以参考引用中提供的代码来实现。 5. 在Yolov5的配置文件中,根据划分后的数据集进行相应的配置。具体可以参考引用中提到的yaml文件的修改方法。 划分数据集后,可以使用划分好的训练集进行模型的训练,使用验证集进行模型的调参和性能评估,最后使用测试进行最终的模型评估。这样可以确保模型在不同的数据集上有较好的泛化能力和性能。 希望以上信息对您有所帮助。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [YOLOv5将自己数据集划分为训练集、验证集测试集](https://blog.csdn.net/qq_52763448/article/details/126622825)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [python脚本,划分训练集和测试集,coco、voc格式的数据转换成yolo系列数据](https://download.csdn.net/download/qq122716072/85812629)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 48
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值