pychram+yolov5+anaconda使用自己的数据集训练网络

该博客介绍了如何基于Yolov5框架制作数据集,选择了yolov5l模型进行训练,并详细说明了训练过程。内容包括数据集的组织结构、预训练模型下载以及训练参数的设置。作者强调了不同模型在速度和精度之间的权衡,特别是yolov5l在网络深度和精度上的提升。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

(1)数据集制作

yolov5-master\coco128

 

yolov5-master\coco128\images

yolov5-master\coco128\images
                        |___train>训练图片.png
                        |___val  >测试图片.png
yolov5-master\coco128\labels
                        |___train>标签.txt
                        |___val  >标签.txt

 

(3)下载预训练模型

数据模型下载网站

https://github.com/ultralytics/yolov5/releases

看一下你想选择什么

这个是yolov5作者在COCO数据集上测试的数据集,这几种结构性能上各有千秋

简单的说Yolov5s网络最小,速度最少,AP精度最低。但如果检测的以大目标为主,追求速度,倒也是个不错的选择。

其他的三种网络,在此基础上,不断加深加宽网络,AP精度也不断提升,但速度的消耗也在不断增加。

https://zhuanlan.zhihu.com/p/172121380

这里我选择的是yolo5l

下载放在yolov5-master\weights文件下

(7)开始训练

 

修改models/yolov5l.yaml下的类别数:

输入代码:

python train.py --img 640 --batch 16 --epochs 5 --data ./data/coco128.yaml --cfg ./models/yolov5l.yaml --weights ''

成功了

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

打赏作者

高高呀~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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