yolov5的训练集图片和训练集标签的名字要一一对应

昨天做好训练集之后运行train.py,结果一直提示“can not train without labels”.

尝试了诸如修改训练集路径等方法后依旧无果,于是参考大佬的数据集设置,发现jpg文件的命名跟txt的命名是一一对应的,而我在保存标签时都加上了“train”,导致运行时找不到对应的标签。

然后因为这种低级错误浪费了一天时间。

这里保存一下修改文件名用的代码    代码来源(@liguo_yao)

# -*- coding: utf-8 -*-
import os
#设定文件路径
path='G:\\whorl_nut\\'
i=1
#对目录下的文件进行遍历
for file in os.listdir(path):
#判
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
训练YOLOv5模型的数据集,首先需要进行以下步骤: 1. 创建数据集:根据您的需求,使用您自己的数据集创建一个包含图像和对应标签的数据集。您可以使用VOC格式的数据集,将图像和标签一一对应,并确保标签包含对象的类别和边界框信息。 2. 硬件配置参数:根据您的硬件配置,修改YOLOv5的参数。训练好的模型会被保存在yolov5目录下的runs/exp0/weights/last.pt和best.pt文件中,而详细的训练数据保存在runs/exp0/results.txt文件中。 3. 环境安装:在训练之前,需要准备好深度学习环境。这包括安装适当的Python环境、安装PyTorch深度学习框架以及其他必要的库和工具。 4. 模型训练:使用YOLOv5进行模型训练。根据您的数据集和目标,调整模型的超参数,如学习率、批量大小和训练时长等。在训练过程中,模型会不断优化参数以适应您的数据集。 5. 模型测试:训练完成后,您可以使用测试集对模型进行评估和验证。通过计算模型在测试集上的精度、召回率和F1分数等指标,评估模型的性能。 6. 模型推理:最后,您可以使用训练好的YOLOv5模型进行推理。将模型应用到新的图像上,通过识别和定位目标对象,实现目标检测的任务。 通过以上步骤,您可以成功地训练YOLOv5模型并使用自己的数据集进行目标检测。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>

“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 1
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