位置: IT常识 - 正文

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

编辑：rootadmin

手把手教你用Yolov5 (v6.2) 训练分类模型基于《Kaggle猫狗大战》案例文章目录0 前言1 v6.2 项目结构改动2 快速上手🌟2.1 train2.2 val2.3 predict3 重要参数解析🚀3.1 "--data"🍀3.1.1 划分数据集3.1.2 修改超参数3.2 "--seed" 🍀4 模型推理5 Test集验证🎉更多内容导航有问题欢迎大家指正，如果感觉有帮助的话请点赞支持下👍📖🌟0 前言

推荐整理分享手把手教你用Yolov5 (v6.2) 训练分类模型基于《Kaggle猫狗大战》案例(手把手教你用气焊视频)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:手把手教你用荣耀手机,手把手教你用u盘安装系统,手把手教你用电脑上网络,手把手教你用电脑写文章,手把手教你用气焊视频,手把手教你用砖砌橱柜,手把手教你用砖砌橱柜,手把手教你用二氧化氯给鱼缸消毒,内容如对您有帮助，希望把文章链接给更多的朋友！

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-GPUpython classify/train.py --model yolov5s-cls.pt --data cifar100 --epochs 5 --img 224 --batch 128# Multi-GPU DDPpython -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 0,1,2,32.2 valbash 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 # validate2.3 predictpython classify/predict.py --weights yolov5s-cls.pt --data data/images/bus.jpg3 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”