Yolov5模型训练——colab下yolov5的数据集训练

Yolov5模型训练——colab下yolov5的数据集训练

本章将从以下两个个方面介绍从准备模型训练材料的整个过程。

• 连接colab和谷歌云
• 训练数据集

-连接colab和谷歌云

1、科学上网，注册谷歌账号

2、登陆google云盘   

      https://drive.google.com —— 谷歌云盘链接

3、将下好的yolov5包上传到谷歌云盘

     

4、连接colab和谷歌云

打开colab 

https://colab.research.google.com/notebooks/intro.ipynb  ——Colab链接

按顺序点击图中的 1和 2

2

1

点击上图的2之后中间就会跳出一段代码与提示，然后点击左边run按钮运行

跳出以下界面后，首先点击链接授权谷歌云盘的权限，复制密码串，再回到colab中粘贴密码串，按回车键。

完成两者的连接

-训练数据集

1、打开谷歌云盘，新建Colab Notebooks的笔记本

2、改运行类型为GPU（重要），然后点击下图所示按钮。

3、输入      !nvidia-smi    查看colab为我们分配的gpu资源

4、点击右侧的装载谷歌云盘

5. 新增代码段，输入以下代码然后运行

 !cd /content/drive/MyDrive/yolov5-master && pip install -r requirements.txt

6、将已经标注好的数据集上传到谷歌云中yolov5-master文件下

7、开始训练，新增代码，然后运行以下代码

     

 !cd /content/drive/MyDrive/yolov5-master && python train.py --img 640 --batch 32 --epochs 100 --data /content/drive/MyDrive/yolov5-master/yolo_A/yolo_A.yaml --weights yolov5s.pt --nosave --cache

batch越大，训练速度越快，但是colab一般最大支持64，我们普通的电脑一般支持8甚至1。如果运行时显示内存不足，就把64改成32。

img是指图片训练的大小，一般是32的倍数，默认640.如果标签识别很小的物体，可以把img改大，但是占用内存多，应把batch改小，从而训练速度会下降，但是会精准一点。

epochs是训练的次数。

8、训练完成后，结果会在yolov5下的runs中的train/exp中。然后可以得到其权重文件last.pt或者best.pt

9、新增代码，输入以下代码，调用训练出来的模型测试识别效果

 

%cd /content/drive/MyDrive/yolov5-master 
!python detect.py --source /content/drive/MyDrive/yolov5-master/runs/train/exp4/test.jpg --weights /content/drive/MyDrive/yolov5-master/runs/train/exp4/weights/last.pt --img 640 --conf 0.25

识别结果储存位置会显示出来，在左侧谷歌云中找到双击可打开，也可下载

10、在windows系统中直接运行，在colab中下载权重文件（位置看第8步），将其放到win系统下的yolov5/weigths中。

      找一些要检测的数据，然后放在yolov5/data/images下

11、进入yolov5的文件夹，输入cmd进入命令行模式

分别输入运行以下代码

pip install -r requirements.txt -i

python detect.py --weights D:\yolov5-master\weights\last.pt --img 640 --conf 0.25 --source data/images/test.jpg

根据指定路径找到识别后的图片。

同理，视频文件、整个文件夹都是可以的。