通过AutoDL使用yolov5.7训练自己的数据集

这篇具有很好参考价值的文章主要介绍了通过AutoDL使用yolov5.7训练自己的数据集。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。

1.算力市场租用主机

AutoDL

通过AutoDL使用yolov5.7训练自己的数据集
选择基础镜像
通过AutoDL使用yolov5.7训练自己的数据集
创建之后
通过AutoDL使用yolov5.7训练自己的数据集

2.上传文件

点击开机,也可在更多里面选择无卡模式开机(此模式不能训练,但是可以上传文件且更便宜)。开机之后,上传代码可通过xshell工具或者可以通过快捷工具JupyterLab。我两种方法都来演示一遍。yolov5代码
通过AutoDL使用yolov5.7训练自己的数据集

1.通过xshell上传代码

复制登录指令

原指令
ssh -p 26812 root@region-8.seetacloud.com
修改为
ssh root@region-8.seetacloud.com 26812

通过AutoDL使用yolov5.7训练自己的数据集
回车后会要求输入密码,将密码复制过来就可进入
通过AutoDL使用yolov5.7训练自己的数据集
再通过快捷键ctrl+Alt+F通过xftp上传代码就可以了

2.通过JupyterLab上传代码

点击JupyterLab后会进入启动页,点击箭头所指的上传代码,这里我代码已经上传上去了。
注意:这里上传文件只能上传单个文件,所有你要将代码打个压缩包后上传,上传压缩包后需要解压,点击终端后输入以下解压命令

unzip xxx.zip

通过AutoDL使用yolov5.7训练自己的数据集
通过AutoDL使用yolov5.7训练自己的数据集
解压后就会出现图中的yolov5-7.0文件夹

同时也将数据集也上传上去,如图中的dataset,数据集我是放在根目录的,和yolov5同级。
然后进入yolov5这个层级,输入以下命令导入requirement.txt的依赖。

pip install -r requirements.txt

通过AutoDL使用yolov5.7训练自己的数据集

3.修改代码

导入依赖完成后,就开始修改代码。以下是我需要用到的yaml文件修改的代码,我的类别数是5,以及修改后图片的路径。(最好在本地修改完成后再上传上去)
通过AutoDL使用yolov5.7训练自己的数据集
通过AutoDL使用yolov5.7训练自己的数据集
train.py
模型训练需要使用预训练权重,大家可以去官网下载,这里我使用的是yolov5s.pt这个权重文件
通过AutoDL使用yolov5.7训练自己的数据集

4.开始训练

输入python train.py开始训练。
注意:如果你是无卡模式开机训练的话,进程会被Kill掉,需要重新开机。

通过AutoDL使用yolov5.7训练自己的数据集

通过AutoDL使用yolov5.7训练自己的数据集

5.结语

这个平台还是挺便宜的,如果你是学生的话还可以认证学生,有优惠。
另外建议大家使用xshell结合xftp,方便操作。训练完成后保存的模型.pt文件不能直接下载下来,最好使用xftp。文章来源地址https://www.toymoban.com/news/detail-450363.html

到了这里,关于通过AutoDL使用yolov5.7训练自己的数据集的文章就介绍完了。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

  • 【零基础玩转yolov5】yolov5训练自己的数据集(CPU训练+GPU训练)

     博主也是最近开始玩yolov5的,甚至也是最近开始使用python的,很多东西都没有接触过,因此训练自己的数据集花了不少时间,所以想写篇博客记录一下,希望同样是零基础的小伙伴们可以更加轻松的上手。同时大家如果发现了错误和理解偏差,欢迎指正。 参考资料: Yolo

    2024年02月06日
    浏览(70)
  • 【yolov5 安装教程】(入门篇)避免踩雷保姆级教程 在m1芯片下 使用yolov5本地训练自己的数据集 ——mac m1

    ​​​​​​​ 目录 一、简介 配置 环境准备 二、环境配置 1.安装anaconda 2.安装TensorFlow 3.安装pytorch 4.pyqt5安装  5.安装labelimg 6.下载yolov5 7.pycharm安装 三、使用labelimg标记图片 1.准备工作 2.标记图片 四、 划分数据集以及配置文件修改 1. 划分训练集、验证集、测试集 2.XML格式转

    2024年02月05日
    浏览(47)
  • 使用Yolov5训练自己的模型

    本文主要介绍如何运用开源Yolov5模型,结合自己的数据,训练其他目标检测模型。 基础准备工作: anaconda 适用Yolov5的虚拟环境 git上下载Yolov5并调通测试代码 https://github.com/ultralytics/yolov5 https://github.com/ultralytics/yolov5 本次用的环境: python==3.7 pytorch==1.7.1 torchvision==0.8.2 torchaud

    2024年02月05日
    浏览(53)
  • yolov5训练自己的数据集问题排除

    D:ProgramDataAnaconda3envsyolov5python.exe D:/yxt/yolov5-master/train.py Traceback (most recent call last):   File \\\"D:ProgramDataAnaconda3envsyolov5libsite-packagesgit__init__.py\\\", line 140, in module     refresh()   File \\\"D:ProgramDataAnaconda3envsyolov5libsite-packagesgit__init__.py\\\", line 127, in refresh     if not Git.refresh(p

    2024年04月11日
    浏览(63)
  • 【YOLO】yolov5训练自己的数据集

    【Python】朴实无华的yolov5环境配置(一)   上面前期教程中,大致介绍了yolov5开发环境的配置方法和yolov5项目的基本结构,下一步就是基于yolov5预训练模型来训练自己的数据集,这对于只是想要使用yolov5这个工具的人,还是想要深入研究yolov5类似的目标识别算法的人,都是

    2024年02月11日
    浏览(47)
  • YOLOv5-第Y2周:训练自己的数据集

    🍨 本文为🔗365天深度学习训练营 中的学习记录博客 🍖 原作者:K同学啊 电脑系统:Windows 10 语言环境:Python 3.8.5 编译器:colab在线编译 深度学习环境:PyTorch 文件夹目录结构: 🍦主目录: paper_ data (创建个文件夹,将数据放到这里) Annotations (放置我们的.xm文件) images (放置图

    2024年01月20日
    浏览(50)
  • yolov5-7.0训练自己的VOC数据集

    这个笔记可能只适用于7.0版本的,写这个笔记主要是给工作室伙伴参考的,大佬请绕行 有错误之处欢迎指出 yolov5的GitHub仓库地址:Release v7.0 - YOLOv5 SOTA Realtime Instance Segmentation · ultralytics/yolov5 (github.com) 需要下载源码和预训练模型 将源码解压,在其文件夹里面新建一个weights文

    2024年02月12日
    浏览(55)
  • YOLOv5训练自己的数据集实现视频的识别

    写在前面 我本来是使用这个模型进行手写签名的定位,但是因为比赛的主办方原因,数据不允许公开,所以我使用动物世界的一段开头视屏来制作我的数据集。这整个模型跑通的过程中,我参考了很多不错的博客,写这篇博客的原因是记录一下我的所见所感。我的模型是在

    2024年02月02日
    浏览(74)
  • YOLOv5如何训练自己的数据集(生活垃圾数据集为例)

    本文主要介绍如何利用YOLOv5训练自己的数据集 以生活垃圾数据集为例子 生活垃圾数据集(YOLO版) 点击这里直接下载本文生活垃圾数据集 生活垃圾数据集组成: YOLO数据有三个要点 images,存放图片 labes,对应Images图片的标签 data_txt, 划分images图片的数据集,形成三个txt 文件

    2024年02月07日
    浏览(58)
  • 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(50)

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