书接上回，下面测试一下yolov5的训练。 参考bilibili.com/video/BV1sv411B7jK。 （看完别忘给人投个币）。

文章目录

官方教程1.数据集下载2.启动tensorboard3.训练4.结果4.1 打印信息4.2 测试训练的权重4.2 Apex 5.其他尝试5.1 无初始权重训练

官方教程

官方tutorial（打不开的话，把整个仓库（迟早要下）下下来然后自己打开这个文件） 从这个位置开始读（前面工作在另一篇博客中，这里不再重复）：

1.数据集下载

这一块即数据集下载，我是直接点的链接进行的下载，解压后放到yolov5仓库外面那层文件夹下，如下图。

2.启动tensorboard

我没用过这个所以先跳过。

3.训练

我这修改了一下，复制一份yolov5s.pt文件，重命名为test1.pt作为权重训练，故我在命令行中的输入为：

PS E:\self_study\git\yolov5> python train.py --img 640 --batch 16 --epochs 5 --data ./data/coco128.yaml --cfg ./models/yolov5s.yaml --weights test1.pt --name tutorial --nosave --cache

4.结果

4.1 打印信息

还有很多信息没看懂，但这应该算训练完成了。

4.2 测试训练的权重

测试inference中的两张图，没啥问题。

PS E:\self_study\git\yolov5> python detect.py --weights weights/last_tutorial.pt --img 416 --conf 0.4 --source ./inference/images/ Namespace(agnostic_nms=False, augment=False, classes=None, conf_thres=0.4, device='', fourcc='mp4v', half=False, img_size=416, iou_thres=0.5, output='inference/output', save_txt=False, source='./inference/images/', view_img=False, weights='weights/last_tutorial.pt') Using CUDA device0 _CudaDeviceProperties(name='GeForce GTX 1060', total_memory=6144MB) image 1/2 inference\images\bus.jpg: 416x352 3 persons, 1 buss, Done. (0.026s) image 2/2 inference\images\zidane.jpg: 288x416 2 persons, 2 ties, Done. (0.027s) Results saved to E:\self_study\git\yolov5\inference/output Done. (6.844s)

4.2 Apex

有个很烦的提示（可以忽略），要Apex（混合精度，加快训练速度）。

Apex recommended for faster mixed precision training: https://github.com/NVIDIA/apex {'lr0': 0.01, 'momentum': 0.937, 'weight_decay': 0.0005, 'giou': 0.05, 'cls': 0.58, 'cls_pw': 1.0, 'obj': 1.0, 'obj_pw': 1.0, 'iou_t': 0.2, 'anchor_t': 4.0, 'fl_gamma': 0.0, 'hsv_h': 0.014, 'hsv_s': 0.68, 'hsv_v': 0.36, 'degrees': 0.0, 'translate': 0.0, 'scale': 0.5, 'shear': 0.0}

参考一文详解Apex的安装和使用教程（一款基于 PyTorch 的混合精度训练加速神器） 装一下：

E:\Program Files\apex>python setup.py install 。。。省略。。。。 Finished processing dependencies for apex==0.1

再来一遍训练试试： 这次改个名字

PS E:\self_study\git\yolov5> python train.py --img 640 --batch 16 --epochs 5 --data ./data/coco128.yaml --cfg ./models/yolov5s.yaml --weights test1.pt --name test1 --nosave --cache 。。。省略 Optimizer stripped from weights\last_test1.pt 5 epochs completed in 0.118 hours.

貌似是快了点。

下次更新个别的数据集的训练和测试。

5.其他尝试

5.1 无初始权重训练

命令行输入：

PS E:\self_study\git\yolov5> python train.py --img 640 --batch 16 --epochs 5 --data ./data/coco128.yaml --cfg ./models/yolov5s.yaml --name test2 --nosave --cache

可以训练出一个权重，效果极差，证明是用随机权重开始的训练。