| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> Python知识库 -> 我在windows环境下的YOLOV3环境搭建过程 -> 正文阅读 |
|
[Python知识库]我在windows环境下的YOLOV3环境搭建过程 |
我的操作系统系统为windows11,采用的python版本是python37,如何安装python就不说了。 一、安装pytorch 1.1安装过程 首先在安装pytorch之前,先要安装CUDA,因为一般我们都是用GPU去跑深度学习程序。具体安装过程我是参考的以下链接安装成功的: Pytorch安装,这一篇就够了,绝不踩坑_孔德浩的博客-CSDN博客_pytorch安装 【超详细】windows10系统下深度学习环境搭建CUDA11.3+cuDNN,以及tensorflow,Keras,pyTorch对应版本_勋章DhR的博客-CSDN博客 安装的pytorch相关软件版本如下图: 最后,输入以下不报错,则说明安装pytorch成功:
输入以下,输出相关结果则说明GPU环境配置成功:
?1.2下载whl依赖包 我现在有torch-1.11.0+cu113-cp37-cp37m-win_amd64.whl包,我想获取该包的依赖包。可以执行x下面命令,依赖包即下载到了downPK目录中。当然,如果你想在线安装,可以跳过该命令,直接使用pip install ...进行安装。
二、YOLOV3下载 下载地址为: https://download.csdn.net/download/wchwdog13/86669879 三、数据信息标注 3.1深度学习标注工具下载 我采用的标注工具为labelmev5.0.1,可以在网上下载到。 3.2数据标注 我一共标注了8张图片,共有2个目标分类,分别为ship和ball,其标注界面如下: ?标注完成后,为每张图片生成一个json文件,json文件中主要记录了图片中的每个标记框信息,如下图: 其中label表示标注框的类别为ship,points为一个二维数组,第一个元素为矩形框的左上角(x1,y1),第二个元素为矩形框的右下角(x2,y2)。 四、生成模型配置文件 之前下载的PyTorch-YOLOv3项目目录如下: ?进入config文件夹,执行create_custom_model.sh文件即可生成PyTorch-YOLOv3的模型配置文件, create_custom_model.sh是linux环境下的执行文件,而当前的环境为windows,可以使用构建git运行该文件,我下载的git版本为Git-2.37.1-64-bit.exe,安装成功后,在config目录中右击鼠标,点击Git Bash Here,进入终端,如下图所示。 ?在该终端环境可运行linux命令,输入命令bash create_custom_model.sh 2,其中参数2是指的是任务的类别(即前面提到的ship和ball),如下图: ? 回车运行成功,在当前目录中生成了一个名为yolov3-custom.cfg的文件,该文件中包含了YOLOV3的网络架构和相关配置,如下图,其中1、2为卷积神经网络训练时的相关参数设置,3为卷积神经网络结构,4为yolo相关参数,anchors为9个预测框的形状大小,classes代表2个类别等。? 五、标签格式转换(labelme生成标签格式转yolo所需标签格式) 在前面,我使用labelme工具对每张图像进行标注,对为每张图像生成了对应的json文件,json文件通过矩形标注框的左上角(x1,x2)和右下角(y1,y2)进行描述,而yolo所需标签格式为(Cx,Cy,W,H),Cx和Cy为目标预测框中心点位位格子的偏移量,映射到区间为0-1,W和H为预测框的宽和高,这部分知识点可以查阅YOLOV3的相关论文解析。因此需要进行转换,下面的代码为转换所需的代码(也可到这个地址进行下载:https://download.csdn.net/download/wchwdog13/86695113): ?
运行后,生成的txt文件内容如下图: ? 六、数据准备 将相关数据放入\data\custom路径中相应子目录或文件中,该路径如下: ? 6.1放置图片 将图片放入images目录中,这里我共放了8张图片,当然太少了,我只是为了测试。如下图: 6.2放置标签文件 将前面labelme工具生成并经过转换得到的标签放入labels目录中,如下图: ? 标签名和图片名必须是相同的,在训练时,程序才能正确找到每张图片对应的标签文件。 6.3修改classes.names文件 将classes.names文件内容改为任务中的类别名字(即ship和ball两类),如下图: ?需要注意的是,在最后一行需要加一个回车。 6.4 设置训练用图片 在train.txt中写入参加训练的图片路径和名称,如下图: 由于我的图片比较少,为了进行测试,我让全部的图片都参与了训练。 6.5设置校验用图片 在valid.txt中写入参加校验的图片路径和名称,如下图: ? ?由于我的图片比较少,为了进行测试,我从参与训练的图片中取了2张参与校验。 6.6设置config/custom.data文件内容 前面设置了train.txt、valid.txt和classes.names等文件,为了使程序能找到这些文件,还需要设置config/custom.data文件内容,如下图: 七、训练 7.1pycharm准备 我采用的集成开发环境为pycharm,由于我新安装了pytorch等环境,因此需要在pycharm中对pytorch相关程序进行拦截配置。首先打开pycharm,在file中点击setting,如下图: ? 在setting界面中点击下图所示红圈,并选择add选项,在弹出的窗口中选择我用于安装pytorch的python.exe。即完成。? 在pycharm中创建名为PyTorchYOLOV3_3的项目,在创建项目界面中选择我之前配置的python.exe,如下图所示: ? 创建项目成功后,将PyTorch-YOLOv3项目内容复制到创建的pycharm项目中,并做出相应调整,如下图所示:? 7.2参数设置与训练 需要将原PyTorch-YOLOv3项目中的相关环境配置参数设置为当前pycharm项目的可运行环境。 修改train.py:
可能需要设置虚拟内存,如下图: ?然后再pycharm中运行train.py,如果报“OSError: [WinError 1455] 页面文件太小,无法完成操作。”的错误,如下图所示,则将train.py中的n_cpu置为0,如下所示: ?再次执行train.py,则开始训练过程,如下: 训练完成后,在checkpoints目录中即生成训练的模型,这里默认共300个epochs,生成了300个模型,如下图: ?7.3预测 取得训练的模型后,我使用该模型进行预测。对detect.py文件进行相应参数的修改,如下:
截图为: ?将预测的图片放入data/samples目录中,同时删除output目录下的文件,如下: ? 这里只是个人学习测试,所以我还是用训练的8张图片来进行预测用。 然后执行detect.py文件,进行预测。如下图: 再进入output目录,里面为图片预测结果,随便打开一张图片,如下所示: ? ? |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 | -2024/12/26 3:09:58- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |
数据统计 |