YOLO使用笔记

下载oss命令工具。

在OSS.exe文件下打开Power Shell, 输入指令:

powershell 复制代码
./oss login

之后输入用户名和密码。

选择将你想要上传的文件导入:

powershell 复制代码
./oss cp {yourdir} oss://

进入服务器实例中,打开终端下载数据

同样输入:oss login 进行登录。

登录成功后,采用命令将上传到oss云端的数据copy到实例服务器上。使用unzip命令将文件解压到当前文件夹汇总。

powershell 复制代码
unzip -q zipfile.zip

然后创建一个后台进程,这样就不用怕关闭后台找不到了。

powershell 复制代码
tmux new -n session1

下次进入这个实例:

powershell 复制代码
tmux a -t session1

然后开始训练,首先需要配置环境:

powershell 复制代码
pip install -r requirement.txt

然后设置训练参数,等待训练结果即可。

出现问题:未配置好编译环境,比如:

python 复制代码
ImportError: libgthread-2.0.so.0: cannot open shared object file: No such file or directory 错误通常表示在您的系统上缺少 libgthread-2.0.so.0 共享库文件。

安装该文件:

python 复制代码
sudo apt-get install libglib2.0-0

开始训练

首先开始测试,先测试一下模型:

powershell 复制代码
python val.py --weights yolov5x.pt --data coco.yaml --img 640 --half
powershell 复制代码
python train.py --weights yolov5x.pt --data yourdata.yaml --img 640 --project ProjectName --name FileName --cache --epochs 3 

集合测试

在测试和推理时,只需在任何现有的 val.pydetect.py 命令中的--weights 参数中添加额外的模型,就可以将多个预训练模型集合在一起。本示例将对 2 个模型进行集合测试:

powershell 复制代码
python val.py --weights yolov5x.pt yolov5l6.pt --data coco.yaml --img 640 --half

同理,在模型推理的时候也可以使用模型融合:

python 复制代码
python detect.py --weights yolov5x.pt yolov5l6.pt --img 640 --source data/images

可以看到此时的结果并不好,下次我们就可以用保留好的最好权重进行工作。

python 复制代码
python train.py --weights yolov5ls.pt --data ./data/tomb.yaml --img 640 --project Tomb --name epoch_500_ori_ls --cache --epochs 500 --patience 300  

YOLO v8

正常来说

python 复制代码
pip install ultralytics

不过还是推荐:

复制代码
git clone https://github.com/ultralytics/ultralytics

下载好模型后,进行训练:

复制代码
yolo train data=coco8.yaml model=yolov8n.pt epochs=3 lr0=0.01 project=YOLOV8 name=tomb_v1 cache=True

报错一

ABAP 复制代码
Traceback (most recent call last):
  File "/usr/local/lib/python3.8/dist-packages/ultralytics/engine/trainer.py", line 517, in get_dataset
    data = check_det_dataset(self.args.data)
  File "/usr/local/lib/python3.8/dist-packages/ultralytics/data/utils.py", line 329, in check_det_dataset
    raise FileNotFoundError(m)
FileNotFoundError: 
Dataset 'data/tomb.yaml' images not found ⚠️, missing path '/datasets/tomb/images/val'
Note dataset download directory is '/datasets'. You can update this in '/root/.config/Ultralytics/settings.yaml'

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
  File "/usr/local/bin/yolo", line 8, in <module>
    sys.exit(entrypoint())
  File "/usr/local/lib/python3.8/dist-packages/ultralytics/cfg/__init__.py", line 583, in entrypoint
    getattr(model, mode)(**overrides)  # default args from model
  File "/usr/local/lib/python3.8/dist-packages/ultralytics/engine/model.py", line 654, in train
    self.trainer = (trainer or self._smart_load("trainer"))(overrides=args, _callbacks=self.callbacks)
  File "/usr/local/lib/python3.8/dist-packages/ultralytics/engine/trainer.py", line 130, in __init__
    self.trainset, self.testset = self.get_dataset()
  File "/usr/local/lib/python3.8/dist-packages/ultralytics/engine/trainer.py", line 521, in get_dataset
    raise RuntimeError(emojis(f"Dataset '{clean_url(self.args.data)}' error ❌  {e}")) from e
RuntimeError: Dataset 'data/tomb.yaml' error ❌  
Dataset 'data/tomb.yaml' images not found ⚠️, missing path '/datasets/tomb/images/val'
Note dataset download directory is '/datasets'. You can update this in '/root/.config/Ultralytics/settings.yaml'

说是说没有这个路径...

改了一下

复制代码
mv datasets ../datasets

成功运行。

ctory is '/datasets'. You can update this in '/root/.config/Ultralytics/settings.yaml'

复制代码
说是说没有这个路径....

改了一下

mv datasets .../datasets

复制代码
成功运行。
相关推荐
kfepiza4 分钟前
Debian编译安装mysql8.0.41源码包 笔记250401
数据库·笔记·mysql·debian·database
thinkMoreAndDoMore1 小时前
深度学习处理文本(5)
人工智能·python·深度学习
weixin_750335521 小时前
李沐 X 动手学深度学习--第九章 现代循环神经网络
人工智能·rnn·深度学习
摸鱼仙人~1 小时前
深度学习数据集划分比例多少合适
人工智能·深度学习
矩阵猫咪1 小时前
基于时间卷积网络TCN实现电力负荷多变量时序预测(PyTorch版)
pytorch·深度学习·tcn·时序预测·时间卷积网络·电力负荷
Blossom.1182 小时前
《探索边缘计算:重塑未来智能物联网的关键技术》
人工智能·深度学习·神经网络·物联网·机器学习·计算机视觉·边缘计算
wgc2k2 小时前
吴恩达深度学习复盘(6)神经网络的矢量化原理
python·深度学习·矩阵
Ronin-Lotus2 小时前
深度学习篇---模型训练早停机制
人工智能·pytorch·深度学习·模型训练·过拟合·早停
yolo大师兄3 小时前
【YOLO系列(V5-V12)通用数据集-火灾烟雾检测数据集】
人工智能·深度学习·yolo·目标检测·机器学习
kfepiza3 小时前
Debian用二进制包安装mysql8.0.41 笔记250401
数据库·笔记·mysql·debian·database