0 前言

最近學(xué)習(xí)了李牧的動(dòng)手學(xué)深度學(xué)習(xí)V2，他在kaggle平臺(tái)上發(fā)起了一個(gè)目標(biāo)檢測(cè)的比賽，本著動(dòng)手學(xué)習(xí)的態(tài)度，先使用他人的代碼模型跑通試試看，一方面是熟悉學(xué)校服務(wù)器的一些配置，一方面是學(xué)習(xí)代碼。

檢測(cè)主要包括：牛仔夾克、墨鏡、靴子、牛仔帽、腰帶

使用的是yolov5l，參考別人的模型代碼，完整項(xiàng)目（代碼、數(shù)據(jù)集等）獲?。汗珃號(hào)【龍一的編程life】后臺(tái)回復(fù)【yolo】即可。

其他參考：【windows下使用Yolov5l用于牛仔行頭檢測(cè)】

他的一些代碼配置有點(diǎn)小小的問題，在這里記錄一下。

本次牛仔行頭檢測(cè)我使用的是ultralytics/yolov5?，該倉(cāng)庫(kù)提供了s、m、l、x四個(gè)規(guī)模的預(yù)訓(xùn)練模型，我使用的預(yù)訓(xùn)練模型是Yolov5l，最后可以在公榜(也就是valid.csv)上達(dá)到60的MAP值。

本次是目標(biāo)檢測(cè)競(jìng)賽，一張圖片上可能存在多個(gè)目標(biāo)，每個(gè)目標(biāo)可以用四個(gè)值來進(jìn)行表示，即目標(biāo)的種類和目標(biāo)的位置，位置用四個(gè)值來進(jìn)行表示，目標(biāo)檢測(cè)常用的格式可以為了3種：coco、voc和yolo。coco的坐標(biāo)表示為[x， y， w， h]，即bbox左上角的坐標(biāo)和bbox的寬和高；voc的坐標(biāo)表示為[x_min, y_min, x_max, y_max]，即bbox左上角的坐標(biāo)和右下角的坐標(biāo)；yolo的坐標(biāo)表示為[center_x, center_y, w, h]，yolo這里表示的是bbox中心點(diǎn)的坐標(biāo)和bbox的寬高，注意yolo這里是值是經(jīng)過歸一化處理的，都是介于0到1之前的浮點(diǎn)數(shù)。本次比賽我們使用的是coco格式，我使用yolo模型來進(jìn)行訓(xùn)練的，所以在訓(xùn)練和提交結(jié)果之前要對(duì)格式進(jìn)行轉(zhuǎn)換，否則大家可能遇到訓(xùn)練的MAP和提交測(cè)試的MAP相差過多的情況出現(xiàn)。

1 環(huán)境配置

配置之前請(qǐng)確保已經(jīng)安裝好了英偉達(dá)顯卡的驅(qū)動(dòng)，在命令行中輸入nvidia-smi會(huì)輸出相應(yīng)的顯卡信息。由于我們使用的是anconda來控制虛擬環(huán)境，使用conda命令安裝Pytorch的時(shí)候會(huì)自動(dòng)檢查依賴并進(jìn)行安裝，所以不需要額外在本地安裝cuda。（這些我的沒有問題，畢竟用的學(xué)校服務(wù)器，之前裝好了anconda）

1.1 把代碼下載到本地

執(zhí)行下列命令。（下載完后一般是在C盤的具體用戶文件夾下會(huì)有一個(gè)yolov5的文件夾，這個(gè)需要上傳到服務(wù)器，如果是自己電腦放工程文件夾下就行）

1.2 創(chuàng)建并激活虛擬環(huán)境

在服務(wù)器上創(chuàng)建一個(gè)專門yolo使用的虛擬環(huán)境，然后激活轉(zhuǎn)到y(tǒng)olo環(huán)境下操作；

1.3 安裝相關(guān)模塊包、庫(kù)文件

1、安裝GPU版本的Pytorch，注意30系列顯卡是安培架構(gòu)，只支持11版本的cuda。（我不知道學(xué)校的服務(wù)器什么情況，反正我裝的10.2可以）

這個(gè)我的報(bào)錯(cuò)了，說找不到pytorch==1.7.0，所以我去網(wǎng)站https://pytorch.org/找下載命令，CUDA可以選10.2或者11.1，這里我和他一致選10.2。

?2、安裝程序所需的其他的第三方庫(kù)

把下載的模型文件夾上傳到服務(wù)器后，cd到文件目錄下，然后進(jìn)行相關(guān)環(huán)境依賴安裝；安裝要求都在requirements.txt文件中。

它這里會(huì)把所有滿足要求比如大于等于某個(gè)版本的全部安裝，時(shí)間有點(diǎn)久。

我的一開始沒成功，因?yàn)檫@是個(gè)requirements.txt文件，他原本沒有加后綴txt；

后面又報(bào)錯(cuò)scipy安裝不上：

ERROR: Could not find a version that satisfies the requirement scipy>=1.4.1 (from versions: none)
ERROR: No matching distribution found for scipy>=1.4.1

如果遇到安裝不上的，就單獨(dú)使用pip install scipy這種命令安裝，然后再用下面的命令安裝即可。

2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)部分需要處理成yolo的數(shù)據(jù)格式，如果覺得比較麻煩的小伙伴可以使用我處理好的，鏈接如下：

鏈接：https://pan.baidu.com/s/1SGdjCTAq6Sa4LLgAG9Xx5w?提取碼：v9re

?為了方便，我直接使用的這個(gè)處理好的，想自己處理的，前言中給了鏈接，自行獲取代碼處理。

原始的數(shù)據(jù)包含四部分的內(nèi)容：

下載他的文件夾包括：

3 修改配置文件

所有的修改都是在yolov5之前下載的文件夾下進(jìn)行操作。

3.1 在data目錄下設(shè)置數(shù)據(jù)集的配置文件

我們?cè)赿ata目錄下新建一個(gè)cow_data.yaml的文件，在文件中指定訓(xùn)練集和驗(yàn)證集的地址（需要更改為自己的存放路徑）、數(shù)據(jù)集的目標(biāo)數(shù)目和目標(biāo)類名；（這個(gè)暫時(shí)還沒找到在哪用，后續(xù)發(fā)現(xiàn)在運(yùn)行的時(shí)候指定了這個(gè)文件）

3.2 在models目錄下設(shè)置模型的配置文件

在models目錄下新建一個(gè)cow_yolov5l.yaml的模型配置文件，這個(gè)文件應(yīng)該是模型讀取那一塊要用的，在yolo.py的79行（盲猜的）。（實(shí)際也是在運(yùn)行的時(shí)候指定的，這里改不改應(yīng)該沒什么問題）

具體內(nèi)容如下：（無更改，直接使用）

4 訓(xùn)練模型

首先從點(diǎn)這里下載預(yù)訓(xùn)練的模型yolov5l（yolov5l.pt）到本地，存放在yolov5的weights目錄下（沒有就創(chuàng)建weights文件夾）。

上面的過程中我們已經(jīng)設(shè)置好了數(shù)據(jù)集和模型的配置文件，我們只需要在項(xiàng)目的根目錄下執(zhí)行下列代碼即可開始訓(xùn)練，由于我的顯卡只有8G，所以這里的batchsize設(shè)置為4，訓(xùn)練的輪數(shù)設(shè)置為200；

（由于我用的服務(wù)器，我申請(qǐng)了兩塊CPU，所以batchsize我改大了也沒什么問題，輪數(shù)200會(huì)有點(diǎn)久，差不多3小時(shí)吧，batchsize設(shè)置為4，輪數(shù)設(shè)置為50的時(shí)候是0.5小時(shí)，我的batch大，所以久點(diǎn)）

具體的命令如下：（記得cd到train.py的文件目錄下，這個(gè)文件yolov5有，我是直接用的，沒有復(fù)制他給出的代碼）

----------------------------------------篇幅過長(zhǎng)，請(qǐng)移步下面鏈接-------------------------------

全文鏈接：https://mp.weixin.qq.com/s/7bTq27HgfnnaERmKpqWWAg