【YOLO_NAS训练自己的数据集】

lsm_boke

已于 2023-12-11 08:51:23 修改

阅读量1.8k

点赞数 27

文章标签： python YOLO

于 2023-12-08 10:31:17 首次发布

本文链接：https://blog.youkuaiyun.com/qq_42294701/article/details/134869611

版权

yolo格式数据集准备

数据标注由labelimg完成(共34个类别)，导出后为VOC xml格式，每张图的标注信息保存在Annotations文件夹内，后统一转化成yolo格式，数据集文件夹下有images和labels文件夹，每个文件夹内分别有train,val文件夹存放png图片和txt格式的标注信息，如图所示：
在这里插入图片描述

配置环境

先创建虚拟环境，
Python 3.7, 3.8 or 3.9 .
1.9.0 <= torch < 1.14 .
个人安装了python3.9、torch1.10、cuda11.3、cudnn8.2
官方github: https://github.com/Deci-AI/super-gradients

安装有两种方式：
第一种：

pip install super-gradients

第二种：

pip install git+https://github.com/Deci-AI/super-gradients.git@stable

根据自己数据集修改配置文件

1.先说训练命令（training with a recipe）

第一种（官方示例）：

python -m super_gradients.train_from_recipe architecture=regnetY800 dataset_interface.data_dir=<YOUR_Imagenet_LOCAL_PATH> ckpt_root_dir=<CHEKPOINT_DIRECTORY>

这里的运行的文件是包里面的src/super_gradients/train_from_recipe.py文件，后面指定一个配置yaml文件用来设置训练相关参数。

我的命令则是如下：