超详细使用YOLOv5网络来训练自己的数据集目标检测模型并实现目标检测 |
您所在的位置:网站首页 › 训练自己的声音模型叫什么名字 › 超详细使用YOLOv5网络来训练自己的数据集目标检测模型并实现目标检测 |
目录
1.虚拟环境的配置1.1虚拟环境的创建1.2所需库的安装1.3 放入yolov5s.pt模型文件1.4测试目标检测是否能正常运行
2.配置数据集路径文件3.配置模型文件4.修改训练文件参数5.开始训练及成果6.使用自己训练的模型进行目标检测
本文章以瓶盖检测为例,教大家使用yolov5训练自己的数据集模型,并使用该模型进行目标检测.
在进行本文学习时应该准备好以下内容: 完成anaconda的安装 链接: 超详细版Anaconda的安装及使用conda创建、运行虚拟环境以及使用镜像源完成数据集的标注和划分 链接: yolo模型训练所需的数据集的划分教程可以成功运行yolov5的目标检测(本文也会教) 链接: 使用YOLOv5模型进行目标检测安装CUDA与CUDNN(没有独显的同学可以跳过) 链接: CUDA,CUDNN的安装教程,让你可以使用Pytorch GPU显卡来跑程序如果已经可以成功运行上面第三步目标检测,则可以跳过第一步,从2.1大步开始 1.虚拟环境的配置 1.1虚拟环境的创建在win+R中打开cmd 输入以下代码创建一个名为yolov5s,python3.8版本的虚拟环境 名称和版本可以更改,但版本不要超过3.9,否则很多库都不兼容 conda create -n yolov5s python=3.8
我们找到yolo的文件夹,复制文件夹的路径 在cmd中 cd 此路径 cd C:\Users\Apzzed\Desktop\AI\yolov5-master
如果下载速度过慢,可能会导致报错,可以复制下面代码(中科大源)到cmd中运行,然后在重新进行上面下载库的步骤 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/耐心等待安装完成,如果出现黄色警告不要紧,出现红色才表示有错误 把yolov5s.pt文件放入yolo文件夹的根目录下 输入下面代码运行 source后的0代表用默认摄像头,也可以改为其他图片的路径 weights 后的文件表示用yolov5s.pt模型处理(要保证第一步中yolov5s.pt放在文件夹的根目录下) python detect.py --source 0 --weights yolov5s.pt也可以用pycharm打开detect.py,翻到最下面找到这两行,更改参数再运行,注意用pycharm运行时注意右下角环境选择好你刚才创建的环境 在data文件夹下.找到coco128.yaml文件,将他复制并粘贴到同目录下,并给他改一个名字,我把名字更改成cap.yaml并在pycharm中找到这个文件打开 在models文件夹中有一个yolov5s.yaml的文件,打开它 打开yolo根目录下的train.py文件 运行train.py文件
在回到detect.py文件,将这两个更改 第一行改成刚才你训练出来的两个模型中的其中一个 第二行更改为随便一个测试用的图片 运行此文件 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |