附录2-pytorch yolov5目标检测
项目地址 https://github.com/ultralytics/yolov5
参考 https://zhuanlan.zhihu.com/p/711356735
目录
1 数据集准备
1.1 images
1.2 labels
1.3 yaml文件
2 环境配置
3 python环境配置
3.1 安装torch
3.2 安装opencv
3.3 安装 ultralytics
4 预训练模型准备
5 训练
6 预测
6.1 看大概的预测结果
6.2 预测命令
6.3 获取标签
1 数据集准备
我数据集单独放了一个文件夹，放在yolov5-master路径下
dataset中有两个文件夹 images 与 labels
1.1 images
images中有训练图像(train)与测试图像(val)，val与train的数量比2:8
我们打开train看一下
打开test看一下
1.2 labels
labels中有训练标注数据(train)与测试标注数据(val)，标注数据与图像数据一一对应（包括文件名）
我们打开train看一下
打开val看一下
标注文件txt是标准的yolo格式，我们随便打开一个txt看一下
1.3 yaml文件
在 yolov5-master/data 文件夹中创建custom.yaml文件，新建一个文本文档然后改尾缀就行了
内容如下
- path是dataset的绝对路径
- train是训练图片路径
- val是测试图片路径
- test可以不写
- nc是种类数，是几分类就写几
- names是标签，顺序最好与标注时一直（不一致也没事儿，后面可以再改，实际上训练出来的模型也不知道是哪个标签，它只认txt文件中的0、1、2这种序号）
2 环境配置
用的是亚马逊的EC2，型号是ml.t3.medium
一个小时需要0.2684元
这个型号是目前（2024.10.8）基本上可以说是性能最差的型号，应该是2核CPU的意思
如果要加速训练的话还是建议用这个
这个是将近34块钱一小时
虽然我的型号不支持GPU，但是执行nvcc -V还是能出东西
但是nvidia-smi出不了
查显卡的版本也查不了
3 python环境配置
我用的机器配置好了CUDA，所以我就直接配置python环境了，如果没配置好CUDA也可以尝试用CPU训练
我当前的python环境是3.10.8
3.1 安装torch
我安装pytorch的时候不知道我当前的云计算平台上用不了gpu，所以就按照CUDA装的，如果硬件没问题的话，安装方式是没问题的
可以在官网查看安装的命令 PyTorch
现在安装pytorch看起来简单的很，CUDA的版本它自己就给你搞定了
速度太慢了，否掉后用的清华源
清华源到后面一样会帮你解决cuda问题
最后安装成功是这样的
由于硬件问题，我这里如果使用 torch.cuda.is_available() 显示的是 false
- 会导致训练特别慢，大概要16个小时才能训练好一个模型
3.2 安装opencv
pip3 install opencv-python -i Simple Index
3.3 安装 ultralytics
pip3 install ultralytics -i Simple Index
4 预训练模型准备
预训练模型地址 Releases · ultralytics/yolov5 · GitHub
搜索pretrained，然后一直下一个到第五个（随着不断的更新可能就不是第5个了，不过我觉得使用别的应该也差不多，只要名字一样就行了）。点表格里的YOLOv5s是没用的
要到该条下面的Assets中找
下载之后的名称叫yolov5s.pt ，我把它的名字改成了pretrained_yolov5s.pt
5 训练
python train.py --weights pretrained_yolov5s.pt --data data/custom.yaml --workers 1 --batch-size 4
- 如果batch-size调整为8，我当前的机器会崩溃
- pretrained_yolov5s.pt本身也是一个模型，如果你把你训练好的pt文件放到这里就相当于是中继训练了
可能会出现少一个字体文件
在本地下载完 https://github.com/ultralytics/assets/releases/download/v0.0.0/Arial.ttf 然后上传上去，之后复制到 /home/ec2-user/.config/Ultralytics/Arial.ttf 就行了
之后再次执行 python train.py --weights pretrained_yolov5s.pt --data data/custom.yaml --workers 1 --batch-size 4
训练时会自动给你调整epoch，终端上显示的进度条走到100%的时候是一个epoch。进度条后面的时间比如 00：04<13:40 的意思是，该epoch已经训练了4秒，完成该epoch预计需要13分钟40秒
训练了19个epoch后我就否掉了，因为实在太慢了，否掉也是有模型出现的，在yolov5-master/runs中会出现文件夹train
打开train后会根据训练的次数出现exp，我训练了三次，所以出现了三个exp，最后一次训练是exp3
模型在 exp3 的 weights 中
其中best.pt是最好的，last.pt是最后的
6 预测
6.1 看大概的预测结果
我们可以通过 train_batch 的这三张图像大概看一下预测结果
我们发现在有些图像上还是可以的
6.2 预测命令
执行 python detect.py --weights ./runs/train/exp3/weights/best.pt --source ./dataset/images/val/road0.jpg 可以进行预测
执行后在 yolov5-master/runs 会出现 detect
里面有exp
- 预测几个就有几个exp
再里面有预测好的图像
打开看效果还行
6.3 获取标签
如果想获取标签的名称可以在detect中做一些修改，想这种写的比较好的项目，变量的命名都比较标准，在detect.py中搜索label
在这里给他打印出来
- 我估计下面的confience应该就是置信度
运行后发现可以在终端打印
