Yolov5 環(huán)境配置完成后配置練習(xí)文件以及練習(xí)數(shù)據(jù)注意事項
參考https://blog.csdn.net/qq_36756866/article/details/109111065
1）準(zhǔn)備自己的數(shù)據(jù)集
…images # 存放圖片
…Annotations # 存放圖片對應(yīng)的xml文件
…ImageSets/Main #之后會在Main文件夾內(nèi)自動生成train.txt，val.txt，test.txt和trainval.txt四個文件，存放訓(xùn)練集、驗證集、測試集圖片的名字（無后綴.jpg）
示例如下：
如果生成的是xml文件是以下的步驟（txt生成的在下面
開始{
yolo_1文件夾下內(nèi)容如下：
Annotations文件夾下面為xml文件（標(biāo)注工具采用labelImage），內(nèi)容如下：
images為VOC數(shù)據(jù)集格式中的JPEGImages，內(nèi)容如下：
腳本內(nèi)容在
腳本功能：ImageSets文件夾下面有個Main子文件夾，其下面存放訓(xùn)練集、驗證集、測試集的劃分，通過腳本生成，可以創(chuàng)建randomfile_xmlstep1一個文件
運行代碼后，在Main文件夾下生成下面四個txt文檔：
2.接下來準(zhǔn)備labels，把數(shù)據(jù)集格式轉(zhuǎn)換成yolo_txt格式，即將每個xml標(biāo)注提取bbox信息為txt格式（這種數(shù)據(jù)集格式成為yolo_txt格式），每個圖像對應(yīng)一個txt文件，文件每一行為一個目標(biāo)的信息，包括class, x_center, y_center, width, height格式。格式如下：
創(chuàng)建labels
創(chuàng)建 腳本，將訓(xùn)練集、驗證集、測試集生成label標(biāo)簽（訓(xùn)練中要用到），同時將數(shù)據(jù)集路徑導(dǎo)入txt文件中
運行后會生成如下laels文件夾和三個包含數(shù)據(jù)集的txt文件，其中l(wèi)abels中為不同圖像的標(biāo)注文件，train.txt等txt文件為劃分后圖像所在位置的絕對路徑，如train.txt就含有所有訓(xùn)練集圖像的絕對路徑。
運行voc_label.py時報錯“ZeroDivisionError: float division by zero”的原因是：標(biāo)注文件中存在width為0或者h(yuǎn)eight為0的數(shù)據(jù)，檢查修改后可解決。
三個txt文件里面的內(nèi)容如下：
}結(jié)束
如果生成的是txt文件是以下的步驟
開始{
運行生成ImageSets內(nèi)容的腳本
腳本內(nèi)容在
腳本功能：ImageSets文件夾下面有個Main子文件夾，其下面存放訓(xùn)練集、驗證集、測試集的劃分，通過腳本生成，可以創(chuàng)建randomfile_xmlstep1一個文件
運行代碼后，在Main文件夾下生成下面四個txt文檔：
2.接下來準(zhǔn)備labels，把數(shù)據(jù)集格式轉(zhuǎn)換成yolo_txt格式，即將每個xml標(biāo)注提取bbox信息為txt格式（這種數(shù)據(jù)集格式成為yolo_txt格式），每個圖像對應(yīng)一個txt文件，文件每一行為一個目標(biāo)的信息，包括class, x_center, y_center, width, height格式。格式如下：
創(chuàng)建labels
創(chuàng)建 腳本，將訓(xùn)練集、驗證集、測試集生成label標(biāo)簽（訓(xùn)練中要用到），同時將數(shù)據(jù)集路徑導(dǎo)入txt文件中
運行后會生成如下labels文件夾和三個包含數(shù)據(jù)集的txt文件，其中l(wèi)abels中為不同圖像的標(biāo)注文件，train.txt等txt文件為劃分后圖像所在位置的絕對路徑，如train.txt就含有所有訓(xùn)練集圖像的絕對路徑。
運行voc_label.py時報錯“ZeroDivisionError: float division by zero”的原因是：標(biāo)注文件中存在width為0或者h(yuǎn)eight為0的數(shù)據(jù)，檢查修改后可解決。
三個txt文件里面的內(nèi)容如下：
}結(jié)束 調(diào)用腳本的時候需要更改其中的相關(guān)路徑
3配置文件
1）數(shù)據(jù)集的配置
在yolov5目錄下的data文件夾下新建一個ab.yaml文件（可以自定義命名），用來存放訓(xùn)練集和驗證集的劃分文件（train.txt和val.txt），這兩個文件是通過運行voc_label.py代碼生成的，然后是目標(biāo)的類別數(shù)目和具體類別列表
疑問：ab.yaml文件中train和val通過train.txt和val.txt指定，我在訓(xùn)練時報錯會提示datasets文件找不到 說明路徑設(shè)置的不對 腳本生成的文本路徑也會影響
2）模型訓(xùn)練
源碼中在yolov5目錄下的weights文件夾下提供了下載四種預(yù)訓(xùn)練模型的腳本----download_weights.sh
2.訓(xùn)練
在train.py進行以下幾個修改：
以上參數(shù)解釋如下：
epochs：指的就是訓(xùn)練過程中整個數(shù)據(jù)集將被迭代多少次,顯卡不行你就調(diào)小點。
batch-size：一次看完多少張圖片才進行權(quán)重更新，梯度下降的mini-batch,顯卡不行你就調(diào)小點。
cfg：存儲模型結(jié)構(gòu)的配置文件
data：存儲訓(xùn)練、測試數(shù)據(jù)的文件
img-size：輸入圖片寬高,顯卡不行你就調(diào)小點。
rect：進行矩形訓(xùn)練
resume：恢復(fù)最近保存的模型開始訓(xùn)練
nosave：僅保存最終checkpoint
notest：僅測試最后的epoch
evolve：進化超參數(shù)
bucket：gsutil bucket
cache-images：緩存圖像以加快訓(xùn)練速度
weights：權(quán)重文件路徑
name： 重命名results.txt to results_name.txt
device：cuda device, i.e. 0 or 0,1,2,3 or cpu
adam：使用adam優(yōu)化
multi-scale：多尺度訓(xùn)練，img-size +/- 50%
single-cls：單類別的訓(xùn)練集
之后運行訓(xùn)練命令如下：
python train_1.py --img 640 --batch 8 --epochs 300 --data data/ab.yaml --weights yolov5x.pt
你是否還在尋找穩(wěn)定的海外服務(wù)器提供商？創(chuàng)新互聯(lián)www.cdcxhl.cn海外機房具備T級流量清洗系統(tǒng)配攻擊溯源，準(zhǔn)確流量調(diào)度確保服務(wù)器高可用性，企業(yè)級服務(wù)器適合批量采購，新人活動首月15元起，快前往官網(wǎng)查看詳情吧
重慶分公司
重慶分公司
