<ul><li id="u5a0cf7ef"><strong> 🍨</strong><strong> 本文为</strong>🔗365天深度学习训练营<strong>中的学习记录博客</strong></li><li id="uabaf6a39"><strong>🍖</strong><strong> 原作者：</strong>K同学啊</li></ul> 讯享网
一、环境准备：
因为高版本的pytorch可能会出现报错（并不影响运行）、因此重新布置cuda和torch的环境
python=3.8.0
torch==1.10.0+cu113
torchvision==0.11.1+cu113
二、准备自己的数据集
这里使用的是kaggle上面的水果检测数据集，如果有需要的可以自行搜索进行下载。
下载图片后，设置好目录结构。
- 主目录
- fruitdata（自己创建一个文件夹，将数据放到这里）
- Annotations（放置我们的.xml文件）
- images（放置图片文件）
- lmageSets
- Main（会在该文件夹内自动生成 train.txt、val.txt、test.txt 和 trainval.txt 四个文件存放训练集、验证集、测试集图片的名字）
目录结构如图所示：
Annotations文件夹为xml文件，我的文件如下：
images 文件夹：
我images文件位.png格式，官方的为.jpg，不过问题不大后面改一下代码即可。
三、将数据集进行分割
讯享网
运行成功后，Main文件夹下面会出现4个txt文件，将整个图片数据集分为训练集：验证集：测试集=8：1：1
四、生成 train.txt、test.txt、val.txt 文件以及labels文件（这三个文件在fruitdata文件夹下）
这几个txt文件包含的是xml文件中的标注信息。相当于把xml格式转化为txt格式。
转换后，会生成上述所示的三个文件，以及labels文件，里面包含的是类别、中心点坐标、长度和宽度数据。
五、创建fruit.yaml和fruit.yaml文件（分别在data和models文件夹下）
两个文件分别为：
六、开始用模型训练自己的数据集
在终端输入命令：python train.py –img 900 –batch 2 –epoch 100 –data data/fruit.yaml –cfg models/fruit.yaml –weights weights/yolov5s.pt
结果会保存在相应的文件夹中。
七、心得总结
1.会出现很多报错，首先是：module ‘PIL.Image‘ has no attribute ‘ANTIALIAS‘，解决：进入相应的.py文件中，将Image.ANTIALIAS改为Image.LANCZOS。
2.其次是：AttributeError: ‘NoneType‘ object has no attribute ‘_free_weak_ref‘，解决：降级torch版本。具体版本可参考一、环境搭建。
3.再次是：
COMET INFO: Using ‘D:pycharmProjectyolov5-master-6.2.cometml-runs’ path as offline directory. Pass ‘offline_directory’ parameter into constructor or set the ‘COMET_OFFLINE_DIRECTORY’ environment variable to manually choose where to store offline experiment archives. 解决：卸载comet-ml 输入命令：pip uninstall comet-ml
4.还有xml文件和yolo文件之间的转换。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/208087.html