yolo-fastestv2小白全流程使用指南

搭建环境

1，安装anaconda和pycharm

所需软件工具：anaconda pycharm cuda

Anaconda是一个管理用于python开发的包含不同库的虚拟环境的平台，可以高效的管理和创建适用于多个不同项目的project interpreter。安装完成自带一个根环境，路径在conda的安装目录下。进入后可以在环境管理页面创建新环境，新环境的路径在安装目录下的envs中存储，在pycharm中设置interpreter时需要找到所需环境的存储位置，interpreter设置选择conda enviroment，填写python.exe的路径即可完成编译环境与项目的绑定。之后进行虚拟环境设置，安装新的库的时候只需打开cmd，输入activate 环境名，即可进入环境目录，之后pip安装所需库即可。

从官网上下载进行安装，勾选这两项方便环境配置，如果安装时没有勾选这两项建议重新安装，并！重！启！，涉及到环境变量的改动都建议在修改后重启

等待anaconda安装完进入environment界面，将新环境命名为yolofastest，python版本选择3.7，点击ok，等待自动生成环境，之后即可关闭anaconda。

完成anaconda安装后，从官网下载pycharm，解压安装完成后创建工程，路径选择到之前解压源码的无中文字符路径，注意！！！！，创建完成后此处有红框标记的文件即为路径正确（也可先创建再解压到工程文件中）

之后进入pycharm中选择工程所需的interpreter

2，安装cuda11.4

第一步，下载双击运行，选择自定义

第二步：不要选择visual studio integration，否则无法安装

第三步：更改环境变量

第四步：安装cudnn
将cudnn解压后，将其中的所有内容复制到以下路径中，ps（默认路径，可以直接用

第五步：验证
打开cmd，输入nvcc -V验证cuda是否安装成功，出现如下界面即为成功

安装pytorch1.5.1以及其他库

以管理员身份进入cmd，输入activate yolov5test进入环境目录下，输入


pip install torch===1.5.1 torchvision===0.6.1 -f https://download.pytorch.org/whl/torch_stable.html -i Simple Index

使用豆瓣源安装，很多是使用清华源，但是清华源安装时容易超时而导致安装失败，有条件的可以FQ直接安装，效果非常好。
安装完成后再pycharm中创建文件，输入验证pytorch安装是否成功

import torch
print(torch.__version__)

下载源码

GitHub - dog-qiuqiu/Yolo-FastestV2: Based on Yolo's low-power, ultra-lightweight universal target detection algorithm, the parameter is only 250k, and the speed of the smart phone mobile terminal can reach ~300fps+

解压后使用pycharm打开文件夹，如下：

在pycharm的终端栏或是命令行输入：activate yolofast

运行代码

基本上是按照readme中操作，但是个别语句需要更改

1,Dependent installation安装requirements中的第三方库

pip3 install -r requirements.txt

2，Test测试能否正常使用

python test.py --data data/coco.data --weights modelzoo/coco2017-0.241078ap-model.pth --img img/000139.jpg

（注意此命令与readme中不同，删去python后面的3）

训练How to train

流程：建立数据集——获得锚定偏差——训练——评估

（一）建立数据集：Building data sets(The dataset is constructed in the same way as darknet yolo)

数据集的格式darknet Yolo相同，每个图像对应一个.txt标签文件。标签格式也基于darknetYolo的数据集标签格式：“类别cx cy wh”，其中类别是类别下标，cx，cy是标准化标签框的中心点的坐标，w，h是标准化标签框的宽度和高度，.txt标签文件内容示例如下:

11 0.344192634561 0.611 0.416430594901 0.262

14 0.50 9915014164 0.51 0.974504249292 0.972

2,该图像及其对应的标签文件具有相同的名称，并存储在同一目录中。数据文件结构如下:

3,生成一个数据集路径.txt文件，示例内容如下:

train.txt

val.txt

Python自动修改代码：

txt_ = r"D:/mask_txt/val.txt"with open(txt_,'a+') as f:for i in range(101,201):item = ("D:/mask_txt/val/"+"{}.jpg").format(str(i).zfill(4))f.write(item)f.write("\n")

此处路径均为实际路径，在此不在赘述。

4,生成.names类别标签文件，示例内容如下：

category.names

本人自训练样例：

5,最终构建的训练数据集的目录结构如下:

下面示例为自组织数据集：

（二）获得锚定片偏差：

1，根据当前数据集生成锚点

python genanchors.py --traintxt ./train.txt

（此处同样是将3删除）

2，anchors6.txt文件将在当前目录中生成，anchors6.txt的示例内容如下

3，Build the training .data configuration file（配置文件，调整参数使之符合要训练的数据集）

参考./data/coco.data

如果不想重新写一个，可直接在coco.data修改

Epoch 轮次，每十轮会保存一次训练结果

Classes 分类，你想要的分类数目

Anchor 此处修改为上述生成的偏差

Train，val，names 均修改为实际路径

注意：anchor6.txt很重要，若移植代码，则注意使anchor内容与自己训练集的保持对应。

（三）训练

python train.py --data data/coco.data

（四）评估

python3 evaluation.py --data data/coco.data --weights modelzoo/coco2017-0.241078ap-model.pth

此处的pth文件选择训练生成的文件。

（五）预测

与测试类似，将所要预测的图片放入指定位置，修改图片参数。

python3 test.py --data data/coco.data --weights modelzoo/coco2017-0.241078ap-model.pth --img img/000139.jpg

部署（此处使用NCNN框架）

将训练好的模型转化为onnx存储格式

python3 pytorch2onnx.py --data data/coco.data --weights modelzoo/coco2017-0.241078ap-model.pth --output yolo-fastestv2.onnx

onnx-sim

python3 -m onnxsim yolo-fastestv2.onnx yolo-fastestv2-opt.onnx

搭建 NCNN

git clone https://github.com/Tencent/ncnn.gitcd ncnnmkdir buildcd buildcmake ..makemake installcp -rf ./ncnn/build/install/* ~/Yolo-FastestV2/sample/ncnn

转变ncnn的参数和配置

cd ncnn/build/tools/onnx./onnx2ncnn yolo-fastestv2-opt.onnx yolo-fastestv2.param yolo-fastestv2.bincp yolo-fastestv2* ../cd .././ncnnoptimize yolo-fastestv2.param yolo-fastestv2.bin yolo-fastestv2-opt.param yolo-fastestv2-opt.bin 1cp yolo-fastestv2-opt* ~/Yolo-FastestV2/sample/ncnn/model

跑通样例

cd ~/Yolo-FastestV2/sample/ncnnsh build.sh./demo

参考

史上最详细yolov5环境配置搭建+配置所需文件 - 你熬夜不学习吗 - 博客园 (cnblogs.com)

dog-qiuqiu/Yolo-FastestV2: Based on Yolo's low-power, ultra-lightweight universal target detection algorithm, the parameter is only 250k, and the speed of the smart phone mobile terminal can reach ~300fps+ (github.com)

yolo-fastestv2小白全流程使用指南相关推荐

电子发票全流程电子化管理指南-摘要
电子发票全流程指南摘要 1 范围本指南梳理汇总了电子发票开具.接收.报销.入账.归档及档案管理等方法,为电子发票电子化应用提供重要参考. 2 规范性引用文件财政部.国家档案局令第79号会计档案管 ...
小红书电商入驻全流程指南
小红书电商入驻全流程指南#小红书五类店铺入驻要求可售卖类目你知道吗?#运营#干货你知道小红书的 5 类店铺的入驻要求以及可售卖类目吗?hello,大家好,我是专注搞流量的百收编辑狂潮老师.小红书目 ...
利用yolov8零售商品识别实现的智能结算系统 yolo+后端flask+数据库sqlite+前端html（从零开始，全流程教学）
文章目录 1. 数据集的制作 1.1 使用爬虫采集数据集 1.2 使用labelme对图片进行标注 2. YOLOv8 2.1YOLO算法简单介绍 2.2 YOLOv8获取与调试 2.2.1 通过pi ...
linux 建站命令,Linux 服务器建站新手教程(小白宝塔建站全流程)-不需要敲一行命令，...
Linux 服务器建站新手教程(小白宝塔建站全流程)-不需要敲一行命令, Linux 服务器配置.运行.不用敲命令 WordPress 建站攻略--助力新手快速利用Linux系统建立属于自己的站点-- ...
python数据分析的主要流程-Python数据分析全流程实操指南
内容全面:借助5大Python工具库,实现数据分析从获取到建模全流程覆盖: 贴合实际:不空讲Python语法,清晰简明地介绍如何用Python来处理.分析数据: 热点案例:覆盖6大热点应用领域,可直接 ...
快速了解fcpx剪辑全流程，新手小白快速上手Final cut
Final Cut Pro X 是Mac OS平台上最好的视频剪辑软件,使用起来也非常方便.那么如何快速了解Final Cut 剪辑全流程?今天小编整理了新手快速上手Final cut的操作流程,让新 ...
阿里云 — 服务器购买和部署全流程（适合新手小白）
服务器购买和部署全流程一:服务器二:阿里云账户三:账户登录四:根据需要,选择方案并购买 1:根据情况,选择购买 2:选择购买的服务器类型 3:核对信息 2:最后再次确认五:OK完成,返回控制 ...
【项目经验总结】贷前评分卡建模全流程指南
由于前几个月参与了一家股份制银行的信贷风控项目,其中我负责了贷前评分卡建模相关工作,最近刚完成模型交付,在此总结记录一下,从数据诊断到样本提取,再到模型构建的全流程工作内容. 本文主要侧重实地驻场建模 ...
渗透测试 ( 1 ) --- 相关术语、必备工具、导航、全流程总结、入侵网站思路
From:https://zhuanlan.zhihu.com/p/401413938 渗透测试实战教学:https://www.zhihu.com/column/c_1334810805263515 ...

yolo-fastestv2小白全流程使用指南

yolo-fastestv2小白全流程使用指南相关推荐

最新文章

热门文章