yolov5添加模块后，不止需要改yaml,预训练模型参数读取部分也要改呀

原创 已于 2022-11-02 15:19:46 修改 · 2.3k 阅读 · 24 ·
CC 4.0 BY-SA版权
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。
文章标签：

#python #pytorch #yolo #attention

于 2022-11-01 21:43:29 首次发布
本文介绍如何在YoloV5中加入自定义模块，并确保能够正确加载预训练权重。通过调整配置文件及源码，解决加载过程中出现的部分参数未被初始化的问题。
部署运行你感兴趣的模型镜像

1.当我们在yolov5中插入自己修改的模块时，不止要在common.py中添加自己的模块代码，如

 

 

然后在yaml文件中修改concat层数。如

 

2.如果只是这样的话，那么模型在读入预训练参数时，会出现在所加模型后的参数都读取不上的情况，如

Transferred 20/355 items from yolov5s.pt

3.修改源码部分如

 

4，这样便可以正确读入预训练参数了。

您可能感兴趣的与本文相关的镜像

Yolo-v8.3

Yolo-v8.3

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

YOLOv11官方代码库与预训练模型下载：介绍Ultralytics官方GitHub及模型权重（yolov11n.pt, yolov11s.pt等）
本博客聚焦 YOLOv11 全流程落地，涵盖架构优化、数据集处理、训练技巧与多场景部署，兼及国产数据库、Java 开发与 AI 模型应用，内容兼顾理论与工程实践，为开发者提供系统干货，助力高效提升技术能力。
06-21 3782
本文介绍了Ultralytics官方GitHub仓库和YOLOv11预训练模型。Ultralytics仓库是YOLO系列算法的官方实现，包含YOLOv11最新代码、预训练模型、文档和工具。仓库采用清晰的代码结构和活跃的更新策略，支持全流程开发。YOLOv11提供了5种不同规模的模型变体(YOLOv11n/s/m/l/x)，在精度、速度和模型大小间权衡，适用于从移动设备到高精度检测等不同场景。各模型在COCO数据集上预训练，可直接使用或微调，满足多样化应用需求。
手把手带你 YOLOv5/v7 添加注意力机制（并附上30多种顶会Attention原理图）2024/2/5更新
热门推荐
YOLOv8项目贡献者
04-27 20万+
YOLOv5/v7 添加注意力机制教程 2023/6/15更新🍀🍀🍀
YOLOv8模型训练参数详细解析
qq_41478219的博客
08-19 3004
yolov8参数设置
yolov5预训练模型
05-08
涵盖了yolov5m、yolov5s、yolov5l、yolov5s模型
[YOLO]yaml配置文件详解
最新发布
one____dream的博客
11-25 623
介绍了YOLO模型改进基本流程，重点解析了yaml配置文件中的各参数作用
【yolov5训练前准备】建立yaml文件，更改部分参数
tank_6789的博客
12-13 9674
建好数据集之后训练前准备
YOLO中的预训练模型是否需要
qq_53206057的博客
03-26 4665
参数`--weights`后面跟的是预训练模型的权重文件，这里用的是`yolov5s.pt`，其中`yolov5s`代表的是YOLOv5的一个小型版本，适用于在资源有限的设备上进行快速训练和检测。这个命令同样是用于训练YOLOv5模型，但与上面的命令不同的是，这里`--weights`参数后面是空的，意味着训练将从头开始，不使用任何预训练的权重。`--cfg`参数后面跟的是模型的配置文件，这里使用的是`yolov5s.yaml`，该文件定义了模型的架构和其他参数。这里列出的是两个不同情况下的命令行用法。
YOLOv5入门（五）训练自己的目标检测模型
mw的博客
05-02 3957
通过前面几篇文章，已经完成数据集制作和环境配置（服务器），接下来将继续实践如何开始训练自己数据集~
在YOLOv5中，如果需要改出属于自己的模块，可以参考以下步骤：
weixin_64795158的博客
04-25 967
anchor.py等）的写法进行代码编写。这样，你就可以使用'--model my_module'来训练你定义的模型了。在train.py中添加相应的命令行解析语句，以支持用户在训练时选择使用你的自定义模块。在train.py中添加相应的命令行解析语句，以支持用户在训练时选择使用你的自定义模块。在models目录下创建一个新的.py文件，比如说my_module.py。在my_module.py中定义你的模块。可以参考原有的模块（最后，在训练时只需要使用你的模型名称就可以启用你的自定义模块。
yolov5s 预训练模型_YOLOv5从入门到部署之：训练私有数据并修改模型
weixin_39908070的博客
12-28 6475
1 环境部署YOLOv5是基于pytorch实现的, 需要的运行环境已经在requirements.txt文件里面列出。# base ----------------------------------------Cythonmatplotlib>=3.2.2numpy>=1.18.5opencv-python>=4.1.2pillowPyYAML>=5.3scipy&gt...
yolov5自定义模型训练二
iot-lorawan
08-30 557
前期准备好了用于训练识别是否有火灾的数据集后就可以开始修改yolv相关文件来进行训练。确认了时label没做归一化处理，新增归一化处理的转换脚本代码，在data目录下新建yaml文件设置数据集信息如下。确认后是对训练数据集文件夹里的文件名字有要求，原先。仍然出错如下，看log应该时转换lable时的问题。在model文件夹下新增新的model文件。调整默认batchsize到8后重新训练。可以训练了，但是又因电脑性能问题出错如下。数据集放到yolov5目录里。
深入浅出YOLOv8：从YAML配置到模型实例化的逐行代码解析（附代码与详细教程）
一键难忘的博客
11-20 2881
YOLOv8 的配置文件（通常是.yaml格式）用于定义模型的结构参数和训练超参数，如网络宽度、深度、类别数等。在模型定义阶段，这些参数通过解析配置文件被转换为具体的模型结构。yaml 文件是 YOLOv8 配置管理的核心。model:backbone:width: 0.5head:width: 0.5backbone: 特征提取网络（CSPDarknet53）。head: 检测头，用于定位与分类。nc: 数据集中的类别数。以下是 YOLOv8 代码核心部分的逐行解析。
YOLOV5的使用 自改
qq_45077634的博客
12-05 210
|—datasets  |=|—Dim_detect   |=|=|—VOCdevkit    |=|=|=|—images     |=|=|=|=|—train     |=|=|=|=|—val    |=|=|=|—labels     |=|=|=|=|—train     |=|=|=|=|—val  |=|—Dims_detect |—YOLOV5  |=|—models   |=||=|—ball.yaml  |=|—data   |=||=|—ball.yaml  |=|—weights
git新拉代码更新到pr代码
qq_36475346的博客
06-26 862
git新拉代码更新到pr代码 有时本地代码仓删掉后，新拉的代码没有以前pr的内容，需要把以前pr的内容合并到新拉的代码中 一、过程 1 拉一份新代码 2 建立本地分支 3 将远端代码拉到本地 4 切换分支 二、使用步骤 1.新代码 拉完新代码后查看分支： 代码如下（示例）： phchang@DESKTOP-3FQS4EN:~/openharmony_master_jffs/kernel/liteos_a$ git branch * (no branch) 建立新的master分支： repo sta
yolo如何添加模块？？？修改parse_model（）
毕竟是Shy哥
10-05 1347
args[]:每个带参数的模块，都要指定这个东西，这个包括[c1,c2,剩下的参数]，然后传给该层的模块，有些模块不需要额外参数，就只传一个输出通道数给这一层就行。该层的输出通道数就是args[0]，或者说是上一层的输出通道数（上一层没有改变输入输出通道数）我感觉，理解了这一点，然后就足以应付绝大部分的模块了，自己就可以添加模块去了！最后这一层的输出通道数c2要附加在ch中，ch储层的是每一层的输出通道数。先贴代码，加模块时有些地方需要修改，只讲核心部分！c1:上一层的输出通道数，也是这一层的输入通道数。
（三）Yolov5--模型文件（yolov5s.yaml）解读和模型修改
ali1174的专栏
03-12 1万+
解读yolov5的模型文件和如何修改模型
【计算机视觉】YOLO 入门：训练 COCO128 数据集
wzk4869的博客
08-29 2万+
【计算机视觉】YOLO 入门：训练 COCO128 数据集
yolov5问题解决记录贴
HOLEYU的博客
11-12 2万+
随手记，以后有时间再整理吧 问题一：环境配置后cuda与pytorch不符 detect: weights=yolov5s.pt, source=data/images, imgsz=[640, 640], conf_thres=0.25, iou_thres=0.45, max_det=1000, device=, view_img=False, save_txt=False, save_conf=False, save_crop=False, nosave=False, classes=None,
模型训练时遇到的问题总结
yszbrzdd的博客
04-24 3651
模型训练遇到的问题总结
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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