jjzjj

手把手教你用Yolov5 (v6.2) 训练分类模型 基于《Kaggle猫狗大战》案例

迪菲赫尔曼 2024-01-19 原文

文章目录

0 前言

在8月17日晚上，YOLOv5官方发布了v6.2版本，v6.2版本支持分类模型训练、验证、预测和导出；v6.2版本的推出使得训练分类器模型变得超级简单！

下一个版本v6.3计划于9月发布，将为YOLOv5带来官方实例分割支持，今年晚些时候将发布一个主要的v7.0版本，更新所有3个任务的架构——分类、检测和分割。

并且Yolov5官方同样提供了大量的预训练权重供大家选择；

权重都是在ImageNet数据集上训练90 Epoch后得到的，并且YOLOv5官方将所有型号导出到ONNX FP32进行CPU速度测试，导出到 TensorRT FP16进行GPU速度测试，最终得到的各项指标如下图所示：

分类任务的工作流与先前版本的检测任务工作流基本一致，所以熟悉检测任务的同学应该会很容易上手分类任务

1 v6.2 项目结构改动

v6.2版本项目结构并无太大改变，主要是增加了classify文件夹以及predict.py train.py val.py 这三个文件；那么这三个文件也分别对应着分类模型的推理、训练和验证。

2 快速上手🌟

YOLOv5分类训练支持使用--data参数自动下载MNIST、Fashion-MNIST、CIFAR10、CIFAR100、Imagenette、Imagewoof 和 ImageNet 数据集。
例如，要开始在MNIST上进行训练，只需要给–data参数设置为“MNIST”

2.1 train

# Single-GPU
python classify/train.py --model yolov5s-cls.pt --data cifar100 --epochs 5 --img 224 --batch 128

# Multi-GPU DDP
python -m torch.distributed.run --nproc_per_node 4 --master_port 1 classify/train.py 
--model yolov5s-cls.pt --data imagenet --epochs 5 --img 224 --device 0,1,2,3

2.2 val

bash data/scripts/get_imagenet.sh --val  # download ImageNet val split (6.3G, 50000 images)
python classify/val.py --weights yolov5m-cls.pt --data ../datasets/imagenet --img 224  # validate

2.3 predict

python classify/predict.py --weights yolov5s-cls.pt --data data/images/bus.jpg

3 重要参数解析🚀

下面来看一下train.py具体的参数信息

分类任务的参数与检测任务的参数差的并不是很多，大多数在参数的含义在6.1版本我已经讲过了，我这里就挑出几个重点的说一下

v6.1版本的参数解析可以参考我这两篇博文
手把手带你调参Yolo v5 (v6.1)（一）
手把手带你调参Yolo v5 (v6.1)（二）

3.1 "–data"🍀

Yolov5(v6.2)版本的分类数据集信息不再通过配置文件的形式载入，而是通过文件夹的名字自动匹配，官方提供了一些数据集的url可以自行下载；

本篇博文数据集以kaggle猫狗大战数据集为例子，从零开始训练自己的分类模型

3.1.1 划分数据集

kaggle猫狗大战数据集包含12500张猫🐱图片与12500张🐶狗图片，我按照如下方式划分

kaggle-DogVsCat
	├─train
	│  ├─Cat 8750
	│  └─Dog 8750
	├─val
	│  ├─Cat 2500
	│  └─Dog 2500
	└─test
	    ├─Cat 1250
	    └─Dog 1250

分类数据集的路径是自动匹配的，所以我们要按照这个命名规则划分，不然会提示你找不到数据集

3.1.2 修改超参数


划分好数据集后做如下改动：--data default=“你分类数据集的名字”

随后就可以训练了

分类模型较检测模型训练速度快非常多，可能是训练图像尺寸设置的比较小的原因；可以通过--imgsz参数设置

3.2 “–seed” 🍀

这是v6.2版本更新的一个非常重要的参数，使用torch>=1.12.0的单GPU训练完全可再现

4 模型推理


推理方式与检测任务几乎没有区别，修改一下权重路径就好

分类任务推理出的图片是这样子的，会显示准确率top5的类别

5 Test集验证


这里也没什么可说的，修改一下权重路径和数据集就好

不知道是不是我没用明白，还没看出来怎么修改网络结构，所以说出个分类模型的意义是什么？

🎉更多内容导航

1.手把手带你调参Yolo v5 (v6.2)（一）🌟强烈推荐

2.手把手带你调参Yolo v5 (v6.2)（二）🚀

3.如何快速使用自己的数据集训练Yolov5模型

4.手把手带你Yolov5 (v6.1)添加注意力机制(一)（并附上30多种顶会Attention原理图）🌟

5.手把手带你Yolov5 (v6.1)添加注意力机制(二)（在C3模块中加入注意力机制）

6.Yolov5如何更换激活函数？

7.Yolov5 (v6.1)数据增强方式解析

8.Yolov5更换上采样方式( 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积)

9.Yolov5如何更换EIOU / alpha IOU / SIoU？

10.Yolov5更换主干网络之《旷视轻量化卷积神经网络ShuffleNetv2》🍀

11.YOLOv5应用轻量级通用上采样算子CARAFE🍀

12.空间金字塔池化改进 SPP / SPPF / ASPP / RFB / SPPCSPC🍀

13.用于低分辨率图像和小物体的新 CNN 模块SPD-Conv🍀

14.持续更新中

有问题欢迎大家指正，如果感觉有帮助的话请点赞支持下👍📖🌟

手把手把手spancodeclass分类深度学习人工智能

有关手把手教你用Yolov5 (v6.2) 训练分类模型 基于《Kaggle猫狗大战》案例的更多相关文章

  1. ruby - 在 Ruby 中训练神经网络 - 2

    在神经网络方面，我完全是个初学者。我整天都在与ruby​​-fann和ai4r搏斗，不幸的是我没有任何东西可以展示，所以我想我会来到StackOverflow并询问这里的知识渊博的人。我有一组样本——每天都有一个数据点，但它们不符合我能够找出的任何明确模式(我尝试了几次回归)。不过，我认为看看是否有任何方法可以仅从日期预测future的数据会很好，而且我认为神经网络将是生成希望表达这种关系的函数的好方法.日期是DateTime对象，数据点是十进制数，例如7.68。我一直在将DateTime对象转换为float，然后除以10,000,000,000得到一个介于0和1之间的数字，我一直在将

  2. ruby - 在 Ruby 中为 XOR 训练神经网络 - 2

    我正在尝试训练一个前馈网络来使用Ruby库AI4R执行异或运算。然而，当我在训练后评估XOR时。我没有得到正确的输出。有没有人以前使用过这个库并得到它来学习异或运算。我使用了两个输入神经元，一个隐藏层中的三个神经元，一个输出层，正如我看到的预计算XOR前馈神经网络就像这样。require"rubygems"require"ai4r"#Createthenetworkwith:#2inputs#1hiddenlayerwith3neurons#1outputsnet=Ai4r::NeuralNetwork::Backpropagation.new([2,3,1])example=[[0,

  3. 「想体验ChatGPT中文聊天？」那快进来，你用不上算我输 - 2

    ♥️作者：白日参商🤵‍♂️个人主页：白日参商主页♥️坚持分析平时学习到的项目以及学习到的软件开发知识，和大家一起努力呀！！！🎈🎈加油！加油！加油！加油🎈欢迎评论💬点赞👍🏻收藏📂加关注+！「想体验ChatGPT中文聊天？」那快进来，你用不上算我输项目场景：项目条件一、那就开始吧1、安装ChatGPT-Desktop2、OpenAPI设置二、使用实例恭喜你！！！配置成功了！！！API和URL都是博主免费提供给大家的！！！恭喜你！！！配置成功了！！！API和URL都是博主免费提供给大家的！！！🎈🎈加油！加油！加油！加油🎈欢迎评论💬点赞👍🏻收藏📂加关注+！项目场景：近几个月可以说ChatGPT是火得一

  4. 关于yolov5训练时参数workers和batch-size的理解 - 2

    关于yolov5训练时参数workers和batch-size的理解yolov5训练命令workers和batch-size参数的理解两个参数的调优总结yolov5训练命令python.\train.py--datamy.yaml--workers8--batch-size32--epochs100yolov5的训练很简单，下载好仓库，装好依赖后，只需自定义一下data目录中的yaml文件就可以了。这里我使用自定义的my.yaml文件，里面就是定义数据集位置和训练种类数和名字。workers和batch-size参数的理解一般训练主要需要调整的参数是这两个：workers指数据装载时cpu所使

  5. NEUQ-acm 预备队训练Week4—BFS/DFS - 2

    1.深度优先搜索(DFS)深度优先遍历主要思路是从图中一个未访问的顶点V开始，沿着一条路一直走到底，然后从这条路尽头的节点回退到上一个节点，再从另一条路开始走到底…，不断递归重复此过程，直到所有的顶点都遍历完成。例题P1605迷宫题目描述给定一个N×MN\timesMN×M方格的迷宫，迷宫里有TTT处障碍，障碍处不可通过。在迷宫中移动有上下左右四种方式，每次只能移动一个方格。数据保证起点上没有障碍。给定起点坐标和终点坐标，每个方格最多经过一次，问有多少种从起点坐标到终点坐标的方案。输入格式第一行为三个正整数N,M,TN,M,TN,M,T，分别表示迷宫的长宽和障碍总数。第二行为四个正整数SX,S

  6. ruby-on-rails - 带有分类器 gem 的无效编码符号 - 2

    当我将项目添加到我的Postgres数据库时，一切似乎都运行良好。在不做任何更改的情况下，只要在我的应用程序中的任何位置启动Madeleine，我的Rails应用程序就会开始失败:EncodingErrorinEventsController#updateinvalidencodingsymbolapp/controllers/events_controller.rb:137:in`update'137是问题行:135defupdate136@event=Event.find(params[:id])137m=SnapshotMadeleine.new("bayes_data")...

  7. ruby - 贝叶斯分类器分数代表什么？ - 2

    我正在使用rubyclassifiergem其分类方法返回根据训练模型分类的给定字符串的分数。分数是百分比吗？如果有，最大差值是100分吗？ 最佳答案 这是概率的对数。对于大型训练集，实际概率是非常小的数字，因此对数更容易比较。从理论上讲，分数的范围从接近零的无穷小到负无穷大。10**score*100.0会给出实际概率，确实最大相差100。 关于ruby-贝叶斯分类器分数代表什么？，我们在StackOverflow上找到一个类似的问题： https://st

  8. 手把手教你使用ChatGPT辅助写论文 - 2

    ChatGPT是一款引人注目的产品，它的突破性功能在各个领域都创造了巨大的需求。仅在发布后的两个月内，就累计了超过1亿的用户。它最突出的功能是能够在几秒钟内完成各种文案创作，包括论文、歌曲、诗歌、睡前故事和散文等。与流行的观点相反，ChatGPT可以做的不仅仅是为你写一篇文章，更有用的是它如何帮助指导您的写作过程和写作方法。接下来手把手教你利用ChatGPT辅助完成写作的五种方法。1.使用ChatGPT生成论文的观点在开始写作之前，我们需要让ChatGPT帮我们充实想法，找到论文切入点。当老师布置论文时，通常会给予学生一个提示，让他们可以自由地表达和分析。这时，我们需要找到论文的角度和思路，然

  9. 嵌入式Linux入门-彻底理解UART串口，手把手教你写程序 - 2

    UART串口这个东西，是嵌入式学习上避不开的，不仅在调试中经常用到，还有很多模块通过串口与SOC相连。这篇文章让你彻彻底底，搞明白串口程序的编写。没有基础的先看：嵌入式Linux学习系列全部文章：嵌入式Linux学习—从裸机到应用教程大全 目录1.UART串口1.1UART硬件连接1.2UART软件通信协议2.读手册，编程序2.1找对应引脚2.2设置GPIO为UART功能2.3设置UART（初始化）2.4编写发送接收函数3.完整代码和验证1.UART串口全称：通用异步收发传输器（UniversalAsynchronousReceiver/Transmitter，简称UART）是一种串行异步收发

  10. 手把手教你搭建SpringCloud Alibaba之生产者与消费者 - 2

      SpringCloudAlibaba全集文章目录：零、手把手教你搭建SpringCloudAlibaba项目一、手把手教你搭建SpringCloudAlibaba之生产者与消费者二、手把手教你搭建SpringCloudAlibaba之Nacos服务注册中心三、手把手教你搭建SpringCloudAlibaba之Nacos服务配置中心四、手把手教你搭建SpringCloudAlibaba之Nacos服务集群配置五、手把手教你搭建SpringCloudAlibaba之Nacos服务持久化配置六、手把手教你搭建SpringCloudAlibaba之Sentinel实现流量实时监控七、手把手教你搭

随机推荐