本文主要是介绍pytorch-YoloV5学习笔记，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

学习笔记

1、对核进行一个尺寸的转换，（size，channels, 长，宽）。
2、路径选择的一些指令

进入下一次文件夹
>cd 文件夹名
返回上一层文件夹
>cd..

3、YoloV5 不同尺寸训练效果

4、配置YoloV5环境

当下载pycocotools时会出现报错，总结了网上大部分的方法，最后成功的方法如下：
1、先安装Visual Studio 2019.；
2、在 Build Tools 中，安装“使用C++的桌面开发”并确保安装详细信息的前两项勾选。

3、setuptools Python包的版本必须至少为34.4.0，采用pip list查看版本。

5、使用命令行可以导入某些视频实现实时监测

6、Yolo模型相关操作
红色：改变使用的模型
绿色：改变使用的数据路径

7、从github上下载Yolo5 用的到的模型放到指定文件夹下方便调用

s、m、l、x是在图片640格式下用的
s6、m6、l6、x6在1280格式下使用
PS：github上搜索annie download 命令行有用

PS：实时监测需要用：rtsp传输协议

8、按照概率标记图片，上面是图片识别的概率，下面是选出最优框
9、在这里调用其他参数，设置为给定值比如运行结束显示图片。
10、使用这个可以只显示火灾结果

11、训练Yolov5神经网络
在本地训练模型时，由于gpu容量不够，batch_size记得改小一点。coco128文件夹位置与YoloV5文件夹应该在同一级，下载后记得挪位置。

需要训练自己的模型时，需要将train中的–weight值改为Null

训练自己的模型需要采用什么结构

数据集位置
超参数文件

检测时采用该方式减少冗余
读取之前训练的结果

训练的数据集是否为单类别

12、锚框相关知识：
pytorch中锚框的介绍
默认无锚点
13、标注数据集
可以使用makesense或CVAT
标注


训练时需要创建yaml文件，并确定需要进行识别的物体的种类。

训练后得到的效果

这篇关于pytorch-YoloV5学习笔记的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！