如何去除Yolov9中的wandb?(已解决)

首先找到对应文件,utils包下面的__init__.py:

在这里插入图片描述
打开后如下图所示,其他博主写的在try-except语句下面加wandb=none,我试了发现没有用,需要在上面加才有用:
在这里插入图片描述
代码如下,如果有效请点赞谢谢:

try:
    import wandb

    # wandb = None 在这里加才有效
    assert hasattr(wandb, '__version__')  # verify package import not local dir
    if pkg.parse_version(wandb.__version__) >= pkg.parse_version('0.12.2') and RANK in {0, -1}:
        try:
            wandb_login_success = wandb.login(timeout=30)
        except wandb.errors.UsageError:  # known non-TTY terminal issue
            wandb_login_success = False
        if not wandb_login_success:
            wandb = None
except (ImportError, AssertionError):
    wandb = None
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。 本课程的YOLOv5使用ultralytics/yolov5,在Windows系统上做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习Ubuntu上演示的同学,请前往 《YOLOv5(PyTorch)实战:训练自己的数据集(Ubuntu)》课程链接:https://edu.youkuaiyun.com/course/detail/30793  本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测实战:训练自己的数据集》Ubuntu系统 https://edu.youkuaiyun.com/course/detail/30793Windows系统 https://edu.youkuaiyun.com/course/detail/30923《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.youkuaiyun.com/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.youkuaiyun.com/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.youkuaiyun.com/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.youkuaiyun.com/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.youkuaiyun.com/course/detail/32669YOLOv5实战口罩佩戴检测》课程链接:https://edu.youkuaiyun.com/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接:https://edu.youkuaiyun.com/course/detail/35209YOLOv5实战垃圾分类目标检测》课程链接:https://edu.youkuaiyun.com/course/detail/35284       
### YOLOv11与Weights and Biases集成指南 目前关于YOLOv11的具体实现细节尚未广泛公开,这可能是因为YOLO系列算法更新至版本11的时间较短或是该版本属于特定研究或商业产品的一部分[^4]。然而,在讨论如何将任何YOLO版本(假设为YOLOv11)与Weights and Biases (WandB) 集成时,可以遵循通用的最佳实践。 #### WandB简介 Weights and Biases 是一种强大的工具,用于跟踪机器学习实验中的超参数调整、模型性能评估以及数据集版本控制等功能。通过记录训练过程中的各项指标变化情况,研究人员能够更有效地优化模型架构并提高最终预测精度。 #### 实验设置 为了使YOLOv11能够在WandB平台上运行,首先需要安装必要的Python库: ```bash pip install wandb opencv-python torch torchvision torchaudio --upgrade ``` 接着初始化一个新的项目来保存所有的实验日志文件: ```python import wandb wandb.init(project="yolov11-training", entity="your_entity_name") ``` 这里`entity`参数应替换为你自己的用户名或者团队名称;而`project`则定义了一个新的项目空间用来存储本次实验的数据。 #### 数据加载与预处理 对于目标检测任务而言,准备高质量标注过的图像至关重要。通常情况下会采用像CVAT这样的平台来进行人工标记工作。完成之后就可以利用PyTorch或其他框架读取这些图片及其对应的边界框信息作为输入给定到网络中去。 #### 训练循环内嵌入监控逻辑 为了让每一次迭代的结果都能被及时上传至云端服务器供后续分析之用,可以在原有基础上加入如下几行代码片段: ```python for epoch in range(epochs): ... # Log metrics inside a training loop or after it ends. wandb.log({ "loss": loss.item(), "precision": precision, "recall": recall, "epoch": epoch }) ``` 上述操作将会把当前轮次下的损失函数值以及其他评价标准同步发送出去展示于Web界面上方便查看进度趋势图谱等可视化组件。 #### 结果分享与协作开发 当整个流程搭建完毕后,还可以邀请其他成员参与到同一个项目当中共同探讨改进方案。只需点击页面右上角的“Share”按钮即可获取链接地址分发给相关人员访问浏览最新的进展状况。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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