Yolo V5 训练

最新推荐文章于 2024-09-10 14:37:39 发布
最新推荐文章于 2024-09-10 14:37:39 发布
阅读量985 收藏 1
点赞数
分类专栏： yolo 文章标签： 目标检测 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xueruixuan/article/details/121074224
版权
本文介绍了如何使用YOLOv5进行目标检测，从下载源代码到利用labelImg标记数据，修改目录结构，编辑配置文件，并进行模型训练。在训练过程中，遇到大量样本导致的内存问题，提出了通过设置Docker共享内存解决方法。
摘要由CSDN通过智能技术生成

1、下载YOLO V5源代码

git clone https://github.com/ultralytics/yolov5

2、使用yolv v5进行图片检测

--save-txt：会将检测结果以txt的形式保存

内容依次为：<object-class> <x_center> <y_center> <width> <height>

如：56 0.758585 0.868902 0.0762363 0.140244

python detect.py --source images/lbjy_1.jpg --weights  weight/yolov5s.pt --save-txt

3、生成自己的训练数据，进行模型训练

3.1 标记数据，我用的labelImg进行图片标记

3.2 修改目录结构

默认在yolov5同一目录下新建一个datasets目录，用于存放训练数据（参考Train-Custom-Data）

3.3 编辑配置文件 data/wg.yaml

本次练习主要识别人，车辆，流动车摊


                

        

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  SherryGo
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
yolov5-master训练陷入内核死循环

				
			

			

				

					weixin_43337201的博客
				

				

					09-03
					
					2431
					
				

			

		

		

			
				
项目场景：
入职第三个月的第一天搞崩公司服务器
近期yolov5模型（参考github地址：https://github.com/ultralytics/yolov5）比较火，准备上手更新一下之前用v3做的项目，处理过数据格式问题后，python train.py --img-size 640 --batch-size 16 --epochs 300 --data ./data/score.yaml --cfg ./models/yolov5x.yaml --weights weights/yolov5x.

			
		

	



                

              
                



	

		

			

				
					
yolo训练过程killed

				
			

			

				

					ayiya_Oese的博客
				

				

					04-30
					
					4172
					
				

			

		

		

			
				
在之前的训练中，一直是正常运行的，但是，做了大量的数据增强之后，训练开始没多久就死掉了
top查看资源之后发现32G的内存，几乎全被占用了，这时候才刚开始训练

训练数据集和验证数据集都特别大，一个epoch还没跑完就杀死了，就是因为内存满了

这时候就想到了训练时使用的一个参数--cache，将这个参数去掉之后，问题就解决了

...

			
		

	



                


  
              

                


	

		

			

				
					
YOLOv5超详细环境搭建以及模型训练（GPU版本）

				
			

			

				

					2401_85556416的博客
				

				

					08-24
					
					2253
					
				

			

		

		

			
				
右键点击【我的电脑】(此电脑)--【属性】--点击【高级系统设置】--【高级】--【环境变量】-找到系统变量下的【Path】--右侧点击【新建】，按照我标红框的进行添加即可。点击【File】-->【setting】-->【Project】-->【Python Interpreter】-->【Add Interpreter】-->【Add Local Interpreter】方法二：【鼠标右键桌面】--【显示更多选项】--【NVIDIA控制面板】--在控制面板的左下角点击【系统信息】--选择【组件】

			
		

	





	

		

			

				
					
YOLOv5训练报错--Killed 程序被kill掉

				
			

			

				

					weixin_46135327的博客
				

				

					05-01
					
					2287
					
				

			

		

		

			
				
这种情况可能是由于硬件问题导致，GUP不够强大，建议在train.py文件中，降低bach_size大小，降低后便能正常运行。

			
		

	



		

			
		



	

		

			

				
					
【Yolov5】RuntimeError: DataLoader worker (pid 25795) is killed by signal: Bus error.

				
			

			

				

					luckynote
				

				

					12-11
					
					3788
					
				

			

		

		

			
				
Traceback (most recent call last):
 File "train.py", line 461, in <module>
  train(hyp, opt, device, tb_writer)
 File "train.py", line 271, in train
  pred = model(imgs) # forward
 File "/usr/local/lib/python3.8/dist-packages/torch/nn/module...

			
		

	





	

		

			

				
					
【yolov5】yolov5训练模型出现错误

				
			

			

				

					qq_44878985的博客
				

				

					03-19
					
					692
					
				

			

		

		

			
				
这个问题通常是由于多个线程同时调用了OpenMP库（例如libiomp5md.dll）而导致的。通常来说，可以通过设置环境变量KMP_DUPLICATE_LIB_OK为TRUE来解决这个问题，这样就可以允许库的重复加载，从而避免了这种问题。训练自己数据集的时候需要在yaml文件下正确填写训练集及验证集的路径。

			
		

	





	

		

			

				
					
产业实践使用YOLO V5 训练自有数据集，并且在C# Winform上通过onnx模块进行预测全流程打通

				
			

			

				

					01-31
				

			

		

		

			
				
【产业实践】使用YOLO V5 训练自有数据集，并且在C# Winform上通过onnx模块进行预测全流程打通，YOLO，工业目标检测，机器视觉，包括C#源码，YOLO格式数据集，YOLO V5源码包 当谈到目标检测算法时，YOLO（You Only ...

			
		

	





	

		

			

				
					
毕业设计&课程设计-Pytorch YOLO v5 训练自己的数据集超详细教程！！！ (提供PDF训练教程下载）.zip

				
			

			

				

					01-22
				

			

		

		

			
				
YOLO项目，工具源码，适合毕业设计、课程设计作业，所有源码均经过严格测试，可以直接运行，可以放心下载使用。有任何使用问题欢迎随时与博主沟通，第一时间进行解答！ 软件开发设计：PHP、QT、应用软件开发、系统...

			
		

	





	

		

			

				
					
【产业实践】使用YOLO V5 训练自有数据集，并且在C# Winform上通过onnx模块进行预测全流程打通

				
			

			

				

					weixin_45568812的博客
				

				

					01-31
					
					1636
					
				

			

		

		

			
				
当谈到目标检测算法时，YOLO（You Only Look Once）系列算法是一个备受关注的领域。YOLO通过将目标检测任务转化为一个回归问题，实现了快速且准确的目标检测。以下是YOLO的基本特性和发展历程：基本特性：速度： YOLO算法的一大优势是其处理速度。在检测过程中，YOLO一次性预测出所有边界框的位置和类别，而不需要像R-CNN系列算法那样进行多阶段的区域提议和分类。这种单阶段的目标检测方法大大提高了检测速度。精度：尽管YOLO在速度上具有优势，但其精度相对较低。

			
		

	





	

		

			

				
					
【目标检测-YOLO】YOLO v5 训练最好结果的技巧

				
			

			

				

					博观约取，厚积薄发
				

				

					03-17
					
					9619
					
				

			

		

		

			
				
来自：Tips for Best Training Results 📌 - YOLOv5 Documentation

Tips for Best Training Results

训练最好结果的技巧

👋 Hello! 📚 This guide explains how to produce the best mAP and training results with YOLOv5 🚀.

Most of the time good results can be obtained with no cha

			
		

	





	

		

			

				
					
YOLOv5的被系统杀死的报错修改

				
			

			

				

					m0_49586319的博客
				

				

					05-26
					
					800
					
				

			

		

		

			
				
YOLO训练被系统杀死的报错

			
		

	





	

		

			

				
					
docker创建内存大小设置

				
			

			

				

					张飞飞的博客
				

				

					01-07
					
					3240
					
				

			

		

		

			
				
在创建docker的时候,内存大小默认设置都很小,在使用docker环境训练网络的时候就会出现错误,所以在创建docker的时候就需要设置内存大小.
RuntimeError: DataLoader worker (pid 59) is killed by signal: Bus error. It is possible that dataloader's workers are out of shared memory. Please try to raise your shared memory li

			
		

	





	

		

			

				
					
Unexpected bus error encountered in worker. This might be caused by insufficient shared memory(shm)

				
			

			

				

					qq_38999624的博客
				

				

					11-30
					
					1945
					
				

			

		

		

			
				
训练模型时，容器的共享内存不够导致出错：
ERROR: Unexpected bus error encountered in worker. This might be caused by insufficient shared memory (shm).
RuntimeError: DataLoader worker (pid 4236) is killed by signal: Bus error. It is possible that dataloader’s workers are out of

			
		

	





	

		

			

				
					
that dataloader‘s workers are out of shared memory. Pleasetrytoraise your shared emory limit

					
最新发布

				
			

			

				

					jacke121的专栏
				

				

					09-10
					
					75
					
				

			

		

		

			
				
that dataloader's workers are out of shared memory. Pleasetrytoraise your shared emory limit

			
		

	





	

		

			

				
					
共享内存简介及docker容器的shm设置与修改

					
热门推荐

				
			

			

				

					weixin_44966641的博客
				

				

					04-02
					
					3万+
					
				

			

		

		

			
				
共享内存简介及docker容器的shm设置与修改
共享内存简介
共享内存指 (shared memory)在多处理器的计算机系统中，可以被不同中央处理器（CPU）访问的大容量内存。由于多个CPU需要快速访问存储器，这样就要对存储器进行缓存（Cache）。任何一个缓存的数据被更新后，由于其他处理器也可能要存取，共享内存就需要立即更新，否则不同的处理器可能用到不同的数据。共享内存是 Unix下的多进程之间的通信方法 ,这种方法通常用于一个程序的多进程间通信，实际上多个程序间也可以通过共享内存来传递信息。
实际上

			
		

	





	

		

			

				
					
jetson nano: python调用yolov5-v6.0的tensorrt加速的c++代码，推理速度稳定在12fps，显存占用在0.8G以内

				
			

			

				

					qq_30841655的博客
				

				

					06-01
					
					1965
					
				

			

		

		

			
				
python调用tensorrt加速的yolov5-v6.0的c++代码，使得推理速度12fps，显存控制在0.8G以内

			
		

	





	

		

			

				
					
RuntimeError: DataLoader worker (pid 32633) is killed by signal: Killed.

				
			

			

				

					weixin_46151178的博客
				

				

					04-10
					
					701
					
				

			

		

		

			
				
硬件设备jetson xavier nx开发套件。软件版本bsp3271 jetpack4.6.1。原因内存不够，添加虚拟内存内存方法如下。

			
		

	





	

		

			

				
					
【目标检测】YOLOV1详解

				
			

			

				

					qq_38375203的博客
				

				

					06-24
					
					9037
					
				

			

		

		

			
				
最近在公司实习，看到其实很多落地的模型都是基于yolo来改进的。在闲暇之余又重新温故了一下yolo系列，并想着将它们进行一个总结。今天就从V1下手，接下来的几个系列也会分别进行详解。相比起Faster R-CNN的两阶段算法，2015年诞生的YOLOv1创造性地使用端到端（end to end）结构完成了物体检测任务。直接预测物体的类别和位置，没有RPN网络，也没有Anchor的预选框，因此速度很快。
YOLOv1是YOLO系列的基准，虽然后面在工程上面大家都是直接使用YOLOV5的开源代码，但是还得需要直

			
		

	





	

		

			

				
					
yolo v5 训练数据集

				
			

			

				

					10-24
				

			

		

		

			
				
YOLOv5是一种目标检测算法，需要使用标注好的数据集进行训练。训练数据集需要满足一定的格式要求，可以使用VOC、COCO等格式。具体来说，训练数据集应该包含图像和对应的标注文件，标注文件中应该包含每个目标的类别、位置和大小等信息。在训练YOLOv5之前，需要先准备好数据集，并将其转换成YOLOv5所需的格式。转换数据集的具体方法可以参考引用中的介绍。在训练过程中，还需要设置一些参数，如图像大小、批次大小、训练轮数等，具体可以参考引用中的训练命令。训练完成后，可以进行模型测试和推理，具体方法可以参考引用和中的介绍。



			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
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