萤火跑模型 | 多卡并行实现 YOLOv5 高性能训练

 YOLOv5

YOLO 系列模型在整个深度学习目标检测领域有举足轻重的地位，近些年模型性不断发展，工程落地中的应用也十分广泛。

最近来自美国的 Ultralytics 公司发布了第五代 YOLO 模型: YOLOv5。相比上代模型，YOLOv5 以更轻量的参数，更极致的推理速度，一经发布受到了学术界和工业界相关人士的广泛关注。

幻方 AI 最近在萤火集群上对该项工作进行了体验和优化。YOLOv5 没有相应的论文说明，仅开源了代码。我们通过自研的 3FS、数据集仓库、hfreduce、算子等对模型训练进行优化，实现了 20~50% 的训练提速。本文为大家简要描述。

项目地址：https://github.com/ultralytics/yolov5

模型仓库：https://github.com/HFAiLab/yolov5

---

模型介绍

YOLOv5 是一种单阶段目标检测算法，下图展示了其整体结构框图：