win11 yolov5训练踩坑,笔记

这篇具有很好参考价值的文章主要介绍了win11 yolov5训练踩坑,笔记。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

环境配置见yolov5/yolov3 pytorch环境配置gpu+windows11+anaconda+pycharm+RTX3050 笔记

正确的训练步骤见(windows)yolov5/yolov3训练自己的数据集,win11 gpu,pycharm,RTX3050笔记

数据集文件分布

建议将JPEGImages改为images,否则见报错三及解决方法

win11 yolov5训练踩坑,笔记
HITUAVyolo.yaml数据集配置
win11 yolov5训练踩坑,笔记
修改train.py

搜索--data 将coco.yaml改为你自己配置文件的文件名

win11 yolov5训练踩坑,笔记
报错1

Traceback (mostrecent call last):

File"D:\anaconda3\envs\yolov5\lib\site-packages\git\__init__.py", line89, in <module>

refresh()

File"D:\anaconda3\envs\yolov5\lib\site-packages\git\__init__.py", line76, in refresh

if not Git.refresh(path=path):

File"D:\anaconda3\envs\yolov5\lib\site-packages\git\cmd.py", line 392, inrefresh

raise ImportError(err)

ImportError:Bad git executable.

The gitexecutable must be specified in one of the following ways:

- be included in your $PATH

- be set via $GIT_PYTHON_GIT_EXECUTABLE

- explicitly set via git.refresh()

All gitcommands will error until this is rectified.

This initialwarning can be silenced or aggravated in the future by setting the

$GIT_PYTHON_REFRESHenvironment variable. Use one of the following values:

- quiet|q|silence|s|none|n|0: for nowarning or exception

- warn|w|warning|1: for a printed warning

-error|e|raise|r|2: for a raised exception

win11 yolov5训练踩坑,笔记
解决方法

import git 或 from git import xxx前面加一行

os.environ["GIT_PYTHON_REFRESH"]= "quiet"

参考入门Anaconda cuda yolov5 安装排坑_anaconda yolov5_Theory D的博客-CSDN博客

报错2(可能是因为打开了todesk)
win11 yolov5训练踩坑,笔记
解决方法

关闭todesk,修改model/yolov5s.yaml的种类为自己数据集的class数目 nc

win11 yolov5训练踩坑,笔记
报错3

AssertionError:train: No labels found in D:\code\datasets\HIT-UAV\train.cache, can not starttraining. See https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data

问题解决

参考一步真实解决AssertionError: train: No labels in /xxx/xxx/xxx/datasets/VOC_To_YOLO/train.cache._assertionerror怎么解决_蓝胖胖▸的博客-CSDN博客

这是因为【datasets.py】中的图片路径设置的不对

解决方案如下:

1.打开在utils/dataloaders.py

2.打开之后,按【Ctrl】+【F】打开搜索功能,输入【Define label 】找到下面的一行内容:

sa, sb =f'{os.sep}images{os.sep}',f'{os.sep}labels{os.sep}' # /images/,/labels/ substrings

3.由于我数据集图片放在了JPEGImages文件夹内:需要把【JPEGImages】替换掉images

win11 yolov5训练踩坑,笔记
再次运行【trian.py】

python train.py --img 640 --batch 16 --epochs 100 --data data/HIT-UAVyolo.yaml--weights yolov5s.pt --device 0

成功

关于Linux上yolov3/v5环境配置及训练过程,可以参考:

(linux)yolov5/v3-pytorch目标检测1:环境配置gpu+anaconda+pycham+ RTX2080ti 笔记_chao_xy的博客-CSDN博客

(linux)yolov5/v3-pytorch目标检测2:训练自己的数据集,gpu,pycharm, RTX2080ti,单/多显卡训练,笔记_chao_xy的博客-CSDN博客文章来源地址https://www.toymoban.com/news/detail-421435.html

到了这里,关于win11 yolov5训练踩坑,笔记的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【学习笔记】Yolov5调用手机摄像头实时检测(环境配置+实现步骤)

    我们需要首先从GitHub获取到yolov5的源码,直达链接如下: https://github.com/ultralytics/yolov5 打开后按照如下步骤下载源码压缩包即可 权重文件下载地址:https://download.csdn.net/download/liujiahao123987/87400892 注:我用的iOS,安卓版本没有\\\"Lite\\\" 需要的就是这个局域网,每个人的都不一样 需

    2023年04月25日
    浏览(53)
  • 一块RTX 3090加速训练YOLOv5s,时间减少11个小时,速度提升20%

    作者| BBuf 很高兴为大家带来One-YOLOv5的最新进展,在《一个更快的YOLOv5问世,附送全面中文解析教程》发布后收到了很多算法工程师朋友的关注,十分感谢。 不过,可能你也在思考一个问题:虽然OneFlow的兼容性做得很好,可以很方便地移植YOLOv5并使用OneFlow后端来进行训练,

    2024年02月05日
    浏览(61)
  • 模型实战(11)之win10下Opencv+CUDA部署yolov5、yolov8算法

    测试环境:AMDRH7000+RTX3050+win10+vs2-10+opencv455+cuda11.7 关于opencv470+contrib+cuda的编译,可以详见:Win10下Opencv+CUDA联合编译详细教程 本文代码同时支持 yolov5 、 yolov8 两个模型,详细过程将在文中给出, 完整代码仓库最后给出 其中,yolov8在opencv-DNN + CUDA下的效果如下: 新建VS项目,名

    2024年02月16日
    浏览(43)
  • AI学习笔记四:yolov5训练自己的数据集

    若该文为原创文章,转载请注明原文出处。 一般情况下,大部分人的电脑都是没有cpu的,cpu也是可以训练的,但花费的时间太长,实际200张图片,使用CPU训练300轮花了3天,本章记录使用云服务器来训练自己的数据集。 使用的云服务器是AutoDL,一直在使用,性价比还是比较高的

    2024年02月15日
    浏览(55)
  • Yolov5+win10+pytorch+android studio实现安卓实时物体检测实战(coco128/coco/自己的训练集)

    在这里感谢各个大佬的参考文献及资料。在我学习深度学习的过程中,我参考了如下网站: Win10+PyTorch+YOLOv5 目标检测模型的训练与识别 | | 洛城风起 YOLOv5 COCO数据集 训练 | 【YOLOv5 训练】_墨理学AI的博客-CSDN博客_yolov5训练coco数据集 系统环境:win10 cuda 版本:11.3 Cuda环境配置 在

    2023年04月11日
    浏览(43)
  • 配置使用云服务器训练神经网络模型——在阿里GPU服务器训练yolov5模型

    对于没有GPU训练机的人来讲,使用云服务器训练自己的模型应该最最优选择,只是在训练的时候开个按时计费的服务器,训练完成后保存环境镜像之后,可以完全停掉服务器,期间不产生任何费用,下次再训练时,启动环境就可以,很容易保护好自己的训练环境不受污染。

    2024年02月06日
    浏览(63)
  • 【AI】yolov5:数据下载、图像标注、训练、预测等,超详细笔记;pytorch转onnx再转TensorRT;训练识别口罩

    https://gitcode.net/mirrors/ultralytics/yolov5/ 1)安装pytorch 2)安装cudnn 3)下载yolov5源码: 4)安装yolov5依赖

    2024年02月15日
    浏览(49)
  • 基于Ascend910+PyTorch1.11.0+CANN6.3.RC2的YoloV5训练推理一体化解决方案

    昇腾Pytorch镜像:https://ascendhub.huawei.com/#/detail/ascend-pytorch 代码仓:git clone https://gitee.com/ascend/modelzoo-GPL.git coco测试验证集:wget https://bj-aicc.obs.cn-north-309.mtgascendic.cn/dataset/coco2017/coco.zip coco训练集(放images下):wget https://bj-aicc.obs.cn-north-309.mtgascendic.cn/dataset/coco2017/train2017.zip 部分

    2024年02月07日
    浏览(55)
  • YOLOv7保姆级教程!(个人踩坑无数)----环境配置

          一、前言:          博主本人是做目标检测的,使用YOLO较多,特此写一个详细博客,一起学习一下。 二、环境搭建:         深度学习相关环境的搭建可谓是相当重要的,不仅是深度学习的入门第一关,更是影响你整个模型复现与改进。 2.1 Anaconda: Anaconda主要作

    2024年02月02日
    浏览(50)
  • 【目标检测算法实现之yolov5】 一、YOLOv5环境配置,将yolov5部署到远程服务器上

    在官网:https://github.com/ultralytics/yolov5上下载yolov5源代码 下载成功如下: 在配置基础环境之前,提前压缩自己的代码文件,并通过winscp传输给linux端,传输之后,解压该文件。解压前,先创建一个文件夹,再解压。 winscp下载使用教程参考上一篇博客:使用WinSCP下载和文件传输

    2024年01月15日
    浏览(55)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包