若該文為原創(chuàng)文章，轉(zhuǎn)載請(qǐng)注明原文出處。

一般情況下，大部分人的電腦都是沒有cpu的，cpu也是可以訓(xùn)練的，但花費(fèi)的時(shí)間太長(zhǎng)，實(shí)際200張圖片，使用CPU訓(xùn)練300輪花了3天，本章記錄使用云服務(wù)器來訓(xùn)練自己的數(shù)據(jù)集。

使用的云服務(wù)器是AutoDL,一直在使用，性價(jià)比還是比較高的。

AutoDL算力云 | 彈性、好用、省錢。租GPU就上AutoDL

訓(xùn)練疲勞駕駛行為檢測(cè)

一、準(zhǔn)備數(shù)據(jù)集

數(shù)據(jù)集可以自己拍照，也可以網(wǎng)上找，博主在網(wǎng)上找到了一份疲勞駕駛行為的圖片，直接拿過來用了，共有2千多張。?

準(zhǔn)備好數(shù)據(jù)后需要數(shù)據(jù)標(biāo)注，數(shù)據(jù)標(biāo)注是大部分人工智能算法得以有效運(yùn)行的關(guān)鍵環(huán)節(jié)。數(shù)據(jù)標(biāo)注的過程是通過人工貼標(biāo)的方式，為機(jī)器系統(tǒng)可供學(xué)習(xí)的樣本。yolov5標(biāo)注使用的是labelimg軟件。

需要數(shù)據(jù)集，下方評(píng)論或@博主。標(biāo)注數(shù)據(jù)是在本地電腦操作，標(biāo)注后才把數(shù)據(jù)上傳到云服務(wù)器訓(xùn)練

二、labelimg

1、激活環(huán)境

conda activate yolo

編輯

2、安裝labelimg

# 使用pip 安裝
pip install labelimg

安裝后，在終端輸入labelimg啟動(dòng)軟件

3、標(biāo)注

標(biāo)記完成的數(shù)據(jù)請(qǐng)按照下面的格式進(jìn)行放置，方便程序進(jìn)行索引。 colo128 ├─ images │ ├─ test # 下面放測(cè)試集圖片 │ ├─ train # 下面放訓(xùn)練集圖片 │ └─ val # 下面放驗(yàn)證集圖片 └─ labels ├─ test # 下面放測(cè)試集標(biāo)簽 ├─ train # 下面放訓(xùn)練集標(biāo)簽 ├─ val # 下面放驗(yàn)證集標(biāo)簽

3.1 打開圖片及設(shè)置標(biāo)注文件保存的目錄并設(shè)置自動(dòng)保存，這里需要主要選擇yolo格式

3.2 開始標(biāo)注，畫框，標(biāo)記目標(biāo)的label，crtl+s保存，然后d切換到下一張繼續(xù)標(biāo)注，不斷重復(fù)重復(fù)

標(biāo)注完成后，把colo128打包壓縮下，準(zhǔn)備上傳到服務(wù)器。

三、訓(xùn)練數(shù)據(jù)集

1、注冊(cè)AutoDL

自行注冊(cè)，云服務(wù)可以按時(shí)收費(fèi)，也可以其他方式，自己選擇。

2、創(chuàng)建實(shí)例

配置選擇，選擇的是3090，也可以其他，我比較喜歡就是直接選擇好社區(qū)鏡像，就給你創(chuàng)建好環(huán)境

創(chuàng)建后開啟，可以通過多種方式登錄，為了方便，直接使用JupyterLab

JupyterLab，打開終端就可以看到終端界面了，環(huán)境也安裝好了

3、上傳數(shù)據(jù)集和下載YOLOV5-5.0

刪除環(huán)境自帶的yolov5版本，然后下載yolov5-5.0版本，并上傳到服務(wù)器，可以直接拖進(jìn)去，并把標(biāo)注好的數(shù)據(jù)也一并上傳。

4、修改配置文件

博主是 基于colo128配置文件訓(xùn)練的，這里需要修改兩個(gè)文件

修改文件一：復(fù)制yolov5-5.0/data/colo128.yaml為pilao_coco128.yaml

# 修改一：數(shù)據(jù)集路徑
train: ../coco128/images/train2017/  # 128 images
val: ../coco128/images/train2017/  # 128 images
?
# number of classes
# 修改，原本是80,修改成3
nc: 3
# 修改二：class names即標(biāo)注的類,數(shù)據(jù)集標(biāo)注了3類，所以修改成3類，colo128是80類
# class names
names: [ 'closed_eye','closed_mouth','open_eye']

修改文件二：復(fù)制yolov5-5.0/models/yolov5s.yaml為pilao_yolov5s.yaml

注意不一定是yolov5s.yaml，這是訓(xùn)練時(shí)參考的模型，可以是其他的，自行了解

# parameters
# 修改，原本是80,修改成3
nc: 3  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

5、訓(xùn)練

python train.py --img 640 --batch 16 --epochs 300 --data ./data/pilao_coco128.yaml --cfg ./models/pilao_yolov5s.yaml

看到進(jìn)度，已經(jīng)在運(yùn)行了，訓(xùn)練了大概3個(gè)多小時(shí)。

最后可以在runs/train/expX/weights目錄下看到生成了兩個(gè)pt文件

6、測(cè)試

python detect.py --source data/images/zidane.jpg --weights runs/train/exp2/weights/best.pt

路徑自行修改。

如有侵權(quán)，或需要完整代碼，請(qǐng)及時(shí)聯(lián)系博主。文章來源地址http://www.zghlxwxcb.cn/news/detail-617911.html

到了這里，關(guān)于AI學(xué)習(xí)筆記四：yolov5訓(xùn)練自己的數(shù)據(jù)集的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！