如何在自定義的數(shù)據(jù)集上訓練YOLOv5？
在我們的自定義數(shù)據(jù)集上可視化tensorboard結果如果你因為一些原因不能把張量可視化，可以用utils．plot＿result來繪制并保存為result．png。
你需要在驗證評估分數(shù)達到其最高點處獲取訓練好的模型權重�？梢暬痀OLOv5訓練數(shù)據(jù)在訓練過程中，我們可以可視化真實訓練數(shù)據(jù)和增強后的訓練數(shù)據(jù)。
我們的真實訓練數(shù)據(jù)
我們的訓練數(shù)據(jù)采用自動YOLOv5增強對測試圖像運行YOLOv5推斷現(xiàn)在我們利用我們訓練好的模型，對測試圖像進行推理。訓練完成后，模型權重將保存到 weights／。推理過程，我們調用這些權重和一個指定模型置信度的conf（要求的置信度越高，預測越少）、以及一個推理源。源可以接受一個包含圖像、單個圖像、視頻文件以及設備的網(wǎng)絡攝像頭端口的目錄。對于源代碼，我將testjpg移到test－infer／。！python detect．py －－weights weights／last＿yolov5s＿custom．pt －－img 416 －－conf 0．4 －－source ．．／test＿infer推理時間非�？欤谖覀兊� Tesla P100 上，YOLOv5s 達到了每秒142幀！！
以142 FPS（0．007s／圖像）的速度推斷YOLOv5s最后，我們在測試圖像上可視化我們的檢測器推斷結果。
測試圖像的YOLOv5推理導出并保存YOLOv5權重以供將來推斷既然我們定制的YOLOv5物體檢測器已經(jīng)通過驗證，我們需要從Colab中取出權重，用于實時計算機視覺任務，為此我們導入一個Google驅動器模塊并將其發(fā)送出去。from google．colab import drivedrive．mount（＇／content／gdrive＇）
％cp ／content／yolov5／weights／last＿yolov5s＿custom．pt ／content／gdrive／My Drive結論我們希望你可以訓練屬于你自己的定制YOLOv5檢測器！使用 YOLOv5 非常方便，而且訓練迅速，推理迅速，表現(xiàn)出色。讓我們把它弄出來！參考鏈接：https：／／blog．roboflow．a(chǎn)i／how－to－train－yolov5－on－a－custom－dataset／
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
-
7月8日立即報名>> 【在線會議】英飛凌新一代智能照明方案賦能綠色建筑與工業(yè)互聯(lián)
-
7月22-29日立即報名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會
-
7.30-8.1火熱報名中>> 全數(shù)會2025（第六屆）機器人及智能工廠展
-
7月31日免費預約>> OFweek 2025具身智能機器人產(chǎn)業(yè)技術創(chuàng)新應用論壇
-
免費參會立即報名>> 7月30日- 8月1日 2025全數(shù)會工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍皮書》
推薦專題
