【YOLOV5模型训练】-模型训练需要改动的几个地方

简介: 模型训练需要修改的几个地方

1.编写.yaml文件

下载完源码后需要重新编写一个.yaml文件,用了训练自己的模型
新建一个.yaml文件具体内容如下:


# Train command: python train.py --data my_dataset.yaml

train: ../my_dataset/images/train/  #训练集images
val: ../my_dataset/images/val/  # 验证集 images

# 标签个数
nc: 3
# class names
names: [ 'l1', 'l2', 'l3' ] #类别的命名

yaml待修改的参数特别重要一定要核对准确,直接影响模型训练成功与否

2.修改代码部分

打开源码里面的train.py文件
在这里插入图片描述
第一个地方改为自己新建的数据集
第二个地方改为自己想要到训练迭代次数

python3 train.py

即可运行

目录
相关文章
|
机器学习/深度学习 编解码 文件存储
YOLOv5改进 | 融合改进篇 | BiFPN+ RepViT(教你如何融合改进机制)
YOLOv5改进 | 融合改进篇 | BiFPN+ RepViT(教你如何融合改进机制)
1963 1
|
网络协议 5G 计算机视觉
随机接入 |带你读《5G 无线系统设计与国际标准》之十一
随机接入过程用于获得上行同步,完成随机接入过程之后,终端就可以与基站进行上行通信。与 LTE 类似,NR 支持基于竞争的随机接入及基于非竞争的随机接入。
随机接入 |带你读《5G 无线系统设计与国际标准》之十一
|
10月前
|
机器学习/深度学习 监控 算法
摊位货摊自动识别与监控系统识别系统开箱即用教程 (YOLOv8)| 完整源码与部署教程
本项目展示了如何通过 YOLOv8 深度学习模型与 PyQt5 图形界面结合,开发一个 摊位货摊自动识别与监控系统。该系统能够高效地检测摊位上的商品,并对周围的行为进行实时监控,为摊位管理带来极大的便利。系统支持多种输入方式,如图像、视频和摄像头,并具备异常行为检测和报警功能。
摊位货摊自动识别与监控系统识别系统开箱即用教程 (YOLOv8)| 完整源码与部署教程
|
存储 缓存 并行计算
yolov5的train.py的参数信息解析
这篇文章解析了YOLOv5的`train.py`脚本中的参数信息,详细介绍了每个参数的功能和默认值,包括权重路径、模型配置、数据源、超参数、训练轮数、批量大小、图像尺寸、训练选项、设备选择、优化器设置等,以便用户可以根据需要自定义训练过程。
828 0
|
传感器 JSON 监控
python中psutil模块的使用详解(python3经典编程案例)
这篇文章介绍了如何使用Python的`pyinstaller`库打包应用程序,并提供了详细的打包步骤和参数说明。
891 7
|
机器学习/深度学习 存储 缓存
YOLOv5的Tricks | 【Trick9】模型剪枝处理与Pytorch实现的剪枝策略
在yolov5项目中的torch_utils.py文件下,有prune这个函数,用来实现模型的剪枝处理。对模型裁剪,模型剪枝这方面之前没有接触到,这里用这篇笔记来学习记录一下这方面内容。
3068 0
YOLOv5的Tricks | 【Trick9】模型剪枝处理与Pytorch实现的剪枝策略
|
并行计算 计算机视觉
yolov5的detect.py的详细讲解
这篇文章详细讲解了YOLOv5的`detect.py`脚本中的参数,包括模型权重、输入源、图像尺寸、置信度阈值、IOU阈值、设备选择、结果显示、结果保存等,以及如何使用这些参数进行目标检测。
1086 1
python之定时任务schedule
python之定时任务schedule
|
安全 5G 网络性能优化
5G中的AMF和SMF:概述和功能
【8月更文挑战第31天】
3037 0
|
算法 Go 计算机视觉
【YOLO系列】YOLOv5超详细解读(网络详解)
【YOLO系列】YOLOv5超详细解读(网络详解)
11989 2
【YOLO系列】YOLOv5超详细解读(网络详解)

热门文章

最新文章

相关产品

  • 人工智能平台 PAI