【 YOLOv5】目标检测 YOLOv5 开源代码项目调试与讲解实战（3）-训练yolov5模型（本地）

训练yolov5模型（本地）

  • 训练文件 train.py
    • 训练如下图
  • 一些参数的设置
    • weights:
      • 对于weight参数，可以往Default参数中填入的参数有
    • cfg：（缩写）
      • cfg参数可以选择的网络模型
    • data
      • 对于data
    • hyp 超参数
    • epochs 训练多少轮
    • batch-size 把多少数据打包成一个batch，送到网络当中
    • img-size
    • rect：矩阵的训练方式
    • resume
    • nosave
    • notest
    • noautoanchor 锚点
    • evolve
    • bucket
    • cache-image
    • image-weight
    • device
    • multi-scale
    • single-cls
    • adam 优化器
    • sync-bn
    • local_rank
    • project
    • entity
    • name
    • exist-ok
    • quad
    • linear-lr
    • Label-smoothing
    • save-period

训练文件 train.py

往下翻，找到main函数
在这里插入图片描述

这里的works最好设置为0
在这里插入图片描述
运行如图，下载coco数据集中
在这里插入图片描述
在这里插入图片描述

超参数：学习速率等各种参数
库：显示权重

训练如下图

在这里插入图片描述
出现数据集下载的问题可以参考下面的解决方法
Dataset autodownload failure

训练文件保存的目录
在这里插入图片描述

如果没有发现该文件夹可以进行刷新
在这里插入图片描述

在这里插入图片描述

best.pt ：在哪个训练轮数当中最好效果的网络模型参数
last.pt：最后一个训练的网络模型
hyp.yaml :训练过程中对模型的一些超参数
labels.jpg：标注的分布
labels_correlogram:标注的一些相关矩阵
opt.yaml:在训练过程中对参数的一些设置
results.txt：对训练结果的一些记录
tran_batch0.jpg：训练的一些图片

一些参数的设置

weights:

指定训练好模型的路径，用该模型去初始化网络中的一些参数（自动去下载这些模型），如果我自己拥有一个训练好的模型，放在某一个路径，把这个路径放进来，就会用我训练好的模型作为训练过程中模型的参数初始化。
但是我们现在的训练一般是从头开始训练，所以这里默认为空，采用程序对参数的权重对它初始化，不采用训练好的模型对他初始化
在这里插入图片描述

对于weight参数，可以往Default参数中填入的参数有

在这里插入图片描述

cfg：（缩写）

关于模型的一些配置，一般都存在model里面，
在这里插入图片描述
整个yolov55总共可以分为4个模型，
在这里插入图片描述
里面都是模型参数的一些设置
在这里插入图片描述

nc:模型应该分为多少个类
depth_multiple:模型的一些深度

如果选择小模型复制路径填入default
修改之后的代码为
在这里插入图片描述
我们现在来训练模型，这个模型的结构是yolov5s,其中的一些模型初始化的参数采用程序之中的简单初始化，不用其他已经训练好的模型来指定参数初始化

cfg参数可以选择的网络模型

在这里插入图片描述

data

指定训练数据集
在这里插入图片描述
在这里插入图片描述

download :指定从哪里下载数据集，没法下载就从浏览器复制地址粘贴下载
train:指定coco数据集应该下载到什么地方
nc:总共有多少个类别
names:每个类别的名称是什么
0 类别代表人

对于data

在这里插入图片描述

hyp 超参数

在这里插入图片描述
在这里插入图片描述
scratch 从头开始，一般把这个文件作为从头开始训练的文件
finetune:用于对模型进行一个微调

epochs 训练多少轮

默认300轮
在这里插入图片描述

batch-size 把多少数据打包成一个batch，送到网络当中

在这里插入图片描述

img-size

去分别设置训练集，和数列集的大小
在这里插入图片描述
5s对应640

rect：矩阵的训练方式

在这里插入图片描述
在这里插入图片描述
加速模型。减少不必要信息

resume

从最近训练的一个模型当中在它的基础上进行一个训练
在这里插入图片描述
默认是false，但并不是设置为ture就是能运行的，需要指定在哪一个模型的基础上进行一个继续的训练，需要告诉它模型处在什么地方，所以default 后应该设置为模型的位置
需要指定之前训练的模型文件，因为需要读取模型文件和相应的配置
在这里插入图片描述

在这里插入图片描述
运行就是从该模型停止的地方继续
在这里插入图片描述
在这里插入图片描述

nosave

我们在一个模型上训练很多次，如果设置为true，就生效了，只保存最后一次epoch训练的模型的一些权重数据，保存为pt文件
在这里插入图片描述

notest

是否只对最后一个epoch进行测试，按理说是对每个epoch上进行测试
在这里插入图片描述

noautoanchor 锚点

在目标检测算法中，大致可以分为有锚点的模型和没有锚点的模型

这里建议去查一下锚点锚框的相关知识

以前要是在图片中检测目标的话，要在图片上进行一个遍历，比如滑动窗口。现在都采用锚点的方式。

在这里插入图片描述
指定参数就会把锚点取消，默认是开启的

evolve

在这里插入图片描述

默认开启，对参数进行进化，寻找最优参数的方式
如果不明白参数是什么意思，可以去百度复制一下询问

bucket

作者之前把一些东西放在谷歌云盘上了，通过这个可以直接下载
在这里插入图片描述

cache-image

在这里插入图片描述

是否把图片缓存用于更好的训练

image-weight

从我们上一轮的测试过程中，对于哪些测试图片/测试部分，测试效果不好，在下一轮的训练过程中会对这些图片加一些相关的权重
在这里插入图片描述

device

设备
在这里插入图片描述

multi-scale

对图片尺寸进行变换
在这里插入图片描述

single-cls

训练的数据集是单类别还是多类别
在这里插入图片描述

adam 优化器

true选择优化器，false选择随机梯度下降
在这里插入图片描述

sync-bn

带DDP字眼的可以不用看了
在这里插入图片描述
分布式训练，多cpu

local_rank

DDP参数，不要去改
在这里插入图片描述

project

文件默认位置
在这里插入图片描述

entity

库，不用管
在这里插入图片描述
在这里插入图片描述

name

保存的文件名
在这里插入图片描述

exist-ok

在这里插入图片描述
不设置会存在exp1,2,3,4,5
设置了就存在一个exp里面

quad

在这里插入图片描述

按住ctrl+F可以找到的单词在什么位置，看源码
或者在问题里查询
在这里插入图片描述

linear-lr

对学习速率进行调整
在这里插入图片描述

Label-smoothing

标签平滑
在这里插入图片描述

save-period

程序日志
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/590489.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

托管在亚马逊云科技的向量数据库MyScale如何借助AWS基础设施构建稳定高效的云数据库

托管在亚马逊云科技的向量数据库MyScale如何借助AWS基础设施构建稳定高效的云数据库

MyScale是一款完全托管于亚马逊云科技，支持SQL的高效向量数据库。MyScale的优势在于，它在提供与专用向量数据库相匹敌甚至优于的性能的同时，还支持完整的SQL语法。以下内容，将阐述MyScale是如何借助亚马逊云科技的基础设施&#x…
阅读更多...
张量操作与线性回归

张量操作与线性回归

一、张量的操作：拼接、切分、索引和变换 （1）张量拼接与切分 1.1 torch.cat() 功能：将张量按维度dim进行拼接 • tensors: 张量序列 • dim : 要拼接的维度 torch.cat(tensors, dim0, outNone)函数用于沿着指定维度dim将多个张量…
阅读更多...
simulink代码生成（六）——多级中断的配置

simulink代码生成（六）——多级中断的配置

假如系统中存在多个中断，需要合理的配置中断的优先级与中断向量表；在代码生成中，要与中断向量表对应；中断相关的知识参照博客： DSP28335学习——中断向量表的初始化_中断向量表什么时候初始化-CSDN博客 F28335中断系…
阅读更多...
【计算机毕业设计】SSM汽车维修预约平台

【计算机毕业设计】SSM汽车维修预约平台

项目介绍 本项目分为前后台，前台为普通用户登录，后台为管理员登录； 管理员角色： 管理员登录,新增管理员信息,查看管理员信息,查询管理员信息,查看用户信息列表,查询用户信息,新增新闻公告,查看新闻公告,查询新闻公告,新增配件类…
阅读更多...
matplotlib范围曲线简例

matplotlib范围曲线简例

想在画（平均）loss 曲线时顺便表示方差，即每一个 epoch 的平均 loss 用 plot 画曲线，而在曲线周围用一个浅色区域表示方差。效果： 参考 [1-3]，用到 matplotlib.pyplot.fill_between 函数。为显示对浅色区及…
阅读更多...
不吹不黑，辩证看待开发者是否需要入坑鸿蒙

不吹不黑，辩证看待开发者是否需要入坑鸿蒙

前言 自打华为2019年发布鸿蒙操作系统以来，网上各种声音百家争鸣。尤其是2023年发布会公布的鸿蒙4.0宣称不再支持Android，更激烈的讨论随之而来。 本文没有宏大的叙事，只有基于现实的考量。 通过本文，你将了解到： Har…
阅读更多...
Python列表推导式（for表达式）及用法

Python列表推导式（for表达式）及用法

for 表达式（列表推导式）用于利用其他区间、元组、列表等可迭代对象创建新的列表。 for 表达式的语法格式如下： [表达式 for 循环计数器 in 可迭代对象] 从上面的语法格式可以看出，for 表达式与普通 for 循环的区别有以下两点&a…
阅读更多...
什么是JavaScript

什么是JavaScript

文章目录 一、❄️什么是JavaScript？二、❄️JavaScript的特点三、❄️JavaScript的组成🧫1、核心（ECMAScript）🧿2、文档对象模型（DOM）🥏3、浏览器对象模型（BOM&#xff…
阅读更多...
深入理解MySQL索引底层数据结构

深入理解MySQL索引底层数据结构

听课问题(听完课自己查资料) 什么是二叉树 二叉树是怎么存储数据的一个链表是一个集合的数据结构 List是怎么便利找到指定下标元素为什么会快？什么是红黑树 红黑树是怎么存储数据的什么是B TREE 是怎么存储数据的什么是BTREE 是怎么存储数据的 疑惑答案 a. 二叉树…
阅读更多...
SQL性能优化-索引

SQL性能优化-索引

1.性能下降sql慢执行时间长等待时间长常见原因 1）索引失效 索引分为单索、复合索引。 四种创建索引方式 create index index_name on user (name); create index index_name_2 on user(id,name,email); 2）查询语句较烂 3）关联查询太多join&a…
阅读更多...
如何学习TS?

如何学习TS?

文章目录 一. 8种内置基础类型.ts二. void、never、any、unknown类型void类型never类型any类型unknown类型总结：void和any在项目中是比较常见的，never和unknown不常用。 三. 数组和函数类型定义.ts四. 元组与交叉类型使用元组数组一般有同类型的值组成&a…
阅读更多...
ubuntu 20.04 自由切换 python 的版本

ubuntu 20.04 自由切换 python 的版本

问题描述 当前 ubuntu 20.04 默认安装了多个 python 的版本，执行 python 时，默认版本是 Python 2.7.18 zhangszzhangsz:~$ python Python 2.7.18 (default, Jul 1 2022, 12:27:04) [GCC 9.4.0] on linux2 Type "help", "copyright&quo…
阅读更多...
url编码未转义导致参数丢失

url编码未转义导致参数丢失

原来的请求： "&url${ctx}/loanform/risk/loanItemRiskItemReport/main.ht?baseProductType${baseProductType}""&itemReportId"itemReportId修改后： 原因：请求地址拼接时，会判断name为url的属性是…
阅读更多...
多模态大模型的前世今生

多模态大模型的前世今生

1 引言 前段时间 ChatGPT 进行了一轮重大更新：多模态上线，能说话，会看图！微软发了一篇长达 166 页的 GPT-4V 测评论文，一时间又带起了一阵多模态的热议，随后像是 LLaVA-1.5、CogVLM、MiniGPT-5 等研究工作…
阅读更多...
Impala4.x源码阅读笔记（三）——Impala如何管理Iceberg表元数据

Impala4.x源码阅读笔记（三）——Impala如何管理Iceberg表元数据

前言 本文为笔者个人阅读Apache Impala源码时的笔记，仅代表我个人对代码的理解，个人水平有限，文章可能存在理解错误、遗漏或者过时之处。如果有任何错误或者有更好的见解，欢迎指正。 上一篇文章Impala4.x源码阅读笔记&#xff0…
阅读更多...
simulink代码生成（五）——ePWM模块初级应用

simulink代码生成（五）——ePWM模块初级应用

前面分别讲到了SCI及ADC的配置及使用，现在梳理一下ePWM的配置和使用； 先打一些基础的DSP28335的基础知识； F28335 关于ePWM中断与SOC采样信号的一些思考_socasel-CSDN博客 F28335 ePWM模块简介——TMS320F28335学习笔记（四&…
阅读更多...
软件开发必知必会的计算机基础

软件开发必知必会的计算机基础

1.计算机基本介绍 1.1 什么是计算机 计算机(Computer)俗称为电脑，计算机是一种高速计算的电子机器，计算机可以进行数值运算，逻辑判断，接收或者是存储信息数据(文本、图片、音频、视频)，按照存储在其内部的程序对海量的…
阅读更多...
5.微服务代码模型

5.微服务代码模型

1.微服务代码模型 代码分层 在微服务代码模型里，我们分别定义了用户接口层、并分别为它们建立了interfaces、application、domain和infrastructure四个一级代码目录； interfaces(用户接口层): 它主要存放用户接口层与前端应用交互、数据转换和交互相关…
阅读更多...
Ultra ISO 虚拟光驱修改光盘盘符

Ultra ISO 虚拟光驱修改光盘盘符

windows xp 环境 ultra iso 虚拟光驱修改光盘盘符 method 1. 在ultra iso 中 [选项]->[配置]->[虚拟光驱]，在新盘符里选指定盘符 ->[修改] method 2. 打开命令行，进入安装目录，如 "C:\Program Files\UltraISO\drivers"&…
阅读更多...
Vue3复习笔记

Vue3复习笔记

目录 挂载全局属性和方法 v-bind一次绑定多个值 v-bind用在样式中 Vue指令绑定值 Vue指令绑定属性 动态属性的约束 Dom更新时机 ”可写的“计算属性 v-if与v-for不建议同时使用 v-for遍历对象 数组变化检测 事件修饰符 v-model用在表单类标签上 v-model还可以绑定…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023