简单手机网站如何制作,搭建网站的价格,互联网品牌营销公司,保定网站设计网站若该文为原创文章#xff0c;转载请注明原文出处。
一般情况下#xff0c;大部分人的电脑都是没有cpu的#xff0c;cpu也是可以训练的#xff0c;但花费的时间太长#xff0c;实际200张图片#xff0c;使用CPU训练300轮花了3天#xff0c;本章记录使用云服务器来训练自…若该文为原创文章转载请注明原文出处。
一般情况下大部分人的电脑都是没有cpu的cpu也是可以训练的但花费的时间太长实际200张图片使用CPU训练300轮花了3天本章记录使用云服务器来训练自己的数据集。
使用的云服务器是AutoDL,一直在使用性价比还是比较高的。
AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL
训练疲劳驾驶行为检测
一、准备数据集
数据集可以自己拍照也可以网上找博主在网上找到了一份疲劳驾驶行为的图片直接拿过来用了共有2千多张。 准备好数据后需要数据标注数据标注是大部分人工智能算法得以有效运行的关键环节。数据标注的过程是通过人工贴标的方式为机器系统可供学习的样本。yolov5标注使用的是labelimg软件。
需要数据集下方评论或博主。标注数据是在本地电脑操作标注后才把数据上传到云服务器训练
二、labelimg
1、激活环境
conda activate yolo
编辑
2、安装labelimg
# 使用pip 安装
pip install labelimg
安装后在终端输入labelimg启动软件 3、标注
标记完成的数据请按照下面的格式进行放置方便程序进行索引。 colo128 ├─ images │ ├─ test # 下面放测试集图片 │ ├─ train # 下面放训练集图片 │ └─ val # 下面放验证集图片 └─ labels ├─ test # 下面放测试集标签 ├─ train # 下面放训练集标签 ├─ val # 下面放验证集标签
3.1 打开图片及设置标注文件保存的目录并设置自动保存这里需要主要选择yolo格式 3.2 开始标注画框标记目标的labelcrtls保存然后d切换到下一张继续标注不断重复重复 标注完成后把colo128打包压缩下准备上传到服务器。
三、训练数据集
1、注册AutoDL
自行注册云服务可以按时收费也可以其他方式自己选择。
2、创建实例 配置选择选择的是3090也可以其他我比较喜欢就是直接选择好社区镜像就给你创建好环境 创建后开启可以通过多种方式登录为了方便直接使用JupyterLab JupyterLab打开终端就可以看到终端界面了环境也安装好了 3、上传数据集和下载YOLOV5-5.0
删除环境自带的yolov5版本然后下载yolov5-5.0版本并上传到服务器可以直接拖进去并把标注好的数据也一并上传。 4、修改配置文件
博主是 基于colo128配置文件训练的这里需要修改两个文件
修改文件一复制yolov5-5.0/data/colo128.yaml为pilao_coco128.yaml
# 修改一数据集路径
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即标注的类,数据集标注了3类所以修改成3类colo128是80类
# class names
names: [ closed_eye,closed_mouth,open_eye]
修改文件二复制yolov5-5.0/models/yolov5s.yaml为pilao_yolov5s.yaml
注意不一定是yolov5s.yaml这是训练时参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、训练
python train.py --img 640 --batch 16 --epochs 300 --data ./data/pilao_coco128.yaml --cfg ./models/pilao_yolov5s.yaml 看到进度已经在运行了训练了大概3个多小时。
最后可以在runs/train/expX/weights目录下看到生成了两个pt文件 6、测试
python detect.py --source data/images/zidane.jpg --weights runs/train/exp2/weights/best.pt
路径自行修改。 如有侵权或需要完整代码请及时联系博主。
