使用的package library: ultralytics
环境:python3.8, torch=1.7.0
把ultralytics代码git clone 到本地
git clone https://github.com/ultralytics/ultralytics/
本地新建一个train.py,内容写下面这些。
from ultralytics import YOLO
# Load a model
model = YOLO("yolov5n.yaml") # build a new model from scratch
# Use the model
# model.train(data="VisDrone.yaml", epochs=1,batch=1) # train the model
model.train(data="coco128.yaml", epochs=1,batch=1)
metrics = model.val() # evaluate model performance on the validation set
在本地做测试用coco128这128张图片。跑通了,上云端服务器的饿时候在换成VisDrone.yaml这个我们要训练的数据集
40G显存,最佳batch size是25张, 显示的实时GPU占用仅仅是11.4G,但是显存占用最高的时候是95%.你需要预留一些空间reserve,防止内存爆掉。
yolov5n.yaml文章来源:https://www.toymoban.com/news/detail-605370.html
yolov6n.yaml文章来源地址https://www.toymoban.com/news/detail-605370.html
到了这里,关于VisDrone2019上训练YOLOv5(用ultralytics)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!