文章目录
前言
本文是在看了《学生党 白嫖之GPU Google colab 训练深度学习模型》 一文之后，按照作者所述内容复现的Colab训练YOLO-v5的模型实验。本文将《学生党 白嫖之GPU Google colab 训练深度学习模型》一文中的所有命令由图片转为了文本，以方便使用。
YOLOv5简单来说是用于处理物体检测任务的较为成熟的模型。本文案例中，使用YOLOv5检测照片中的成员是否佩戴了口罩。
前期准备
- 科学上网 + google账号
- google云端硬盘：google-drive
- Colab
- github：yolo5
- 数据集：口罩mask数据集（百度网盘）
- 链接：https://pan.baidu.com/s/1MazVtoVPDxNo6fXTBMCQ3Q
- 提取码：gaax
上传数据集到google-drive
打开google-drive。
选择新建 --> 文件夹。输入文件夹名称之后点击创建。之后就会出现我们创建的文件夹：
双击我们创建好的文件夹，进入文件夹。
鼠标右键 --> 上传文件集。上传我们已经解压好的口罩mask数据集。（我这里命名为dataset_mask）
创建google colaboratory
在我们创建的文件夹中（此处为test1）点击新建，创建Google Colaboratory
Colab实现模型训练
开启GPU加速
双击进入我们创建的文件
更改运行时的类型，硬件加速器选择GPU
可以输入如下代码进行测试：
!nvidia-smi
显示：
Colab连接google-drive
import os
from google.colab import drive
drive.mount('/content/drive')
运行后按照指示打开链接，获取授权码，填写之后会显示如下信息：
进行如下代码操作，实现目录更换，转到google-drive目录：
%cd /content/drive/
%ls
%cd MyDrive/
%ls
%cd test1/
%ls
此时进入我们创建的文件夹（test1）
git clone yolo5代码，并适配我们的任务
!git clone https://github.com/ultralytics/yolov5.git
%ls
%cd yolov5/
由于google colab给的python里面 关于这个库的版本有问题，因此我们需要先将这个库进行升级，才能确保程序可运行。
!pip install -U pyyaml
由于训练的由原先的yolov5的80个类别变成了现在只有两个的类别（有口罩和无口罩），因此需要更改yolov5的配置文件。
- 回到My-drive中，发现在colab文件夹下多了yolov5文件夹
- 打开yolov5->models->yolov5s.yaml->右击open with text editor->修改里面的nc 从80->2->保存文件
我们还需要修改口罩数据集中的目录文件（此处为 test1 -> data_mask --> data.yaml），修改训练集和验证集的目录
运行训练文件
!python train.py --data ../dataset_mask/data.yaml --cfg models/yolov5s.yaml --weights '' --batch-size 64
训练结束后，训练过程的曲线以及图片案例会保存在
test1/yolo5/runs/train中
