yolov5訓練過程可視化

軟硬件環境

• ubuntu 18.04 64bit
• pytorch 1.7
• cuda 11.0
• yolov5 4.0
• nvidia gtx 1070Ti

前言

前文  yolov5 V4.0更新了啥？ 咱們介紹過yolov5已經在本地集成了Weights & Biases，也就是wandb，這樣就能夠方便的追蹤模型訓練的整個過程，包括模型的性能、超參數、GPU的使用狀況、模型預測，還有數據集。說到底，wandb就是個可視化的工具。

實操

開始以前，須要安裝依賴

pip install wandb

關於模型訓練，前文 https://xugaoxiang.com/2020/07/02/yolov5-training/ 已經比較詳細的介紹過了，這裏咱們直接使用前面使用過的口罩數據集進行測試。命令以下

python train.py --img 640 --batch 16 --epochs 300 --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights '' 

yolov5_wandb

若是沒有帳號的話，就選擇1在線建立；已有帳號的話就選擇2；不想使用wandb的話，就選擇3。因爲我已經在網頁端註冊過了，因此輸入數字2

yolov5_wandb

終端提示須要wandb.ai的API Key，在瀏覽器中訪問站點 https://wandb.ai/authorize，複製後貼到終端中

yolov5_wandb

而後就開始訓練了，這個過程跟前面是如出一轍的

yolov5_wandb

在模型訓練的過程當中，登陸網站 https://wandb.ai/home，就能夠看到訓練的狀態了

yolov5_wandb

各項指標

yolov5_wandb

GPU的使用信息彙總

yolov5_wandb

Mosaics

yolov5_wandb

yolov5_wandb

訓練完成後，終端中會輸出wandb相關的信息，訓練好的模型保存在本地目錄runs/train下

yolov5_wandb

項目信息彙總

yolov5_wandb

模型的各項性能指標，圖表形式

yolov5_wandb

評估模型是件很是痛苦的事。你是否是也曾經嘗試過使用不一樣階段訓練出來的模型進行推理呢？最後再選出最優的模型呢？

如今使用wandb就能夠很方便的達到這個目的，並且仍是交互式的，下圖是個例子

yolov5_wandb

還有個很是有用的功能，那就是分享，你能夠建立report，而後生成網絡連接分享給你的小夥伴，前提是你的項目必須是public的

yolov5_wandb

yolov5_wandb

參考資料

• https://github.com/ultralytics/yolov5
• https://xugaoxiang.com/2021/01/23/yolov5-v4-0/
• https://xugaoxiang.com/2020/07/02/yolov5-training/
• https://wandb.ai/cayush/yoloV5/reports/Track-and-debug-your-YOLOv5-models--VmlldzozMDQ1OTg

本文分享自微信公衆號 - 迷途小書童的Note（Dev_Club）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。