DAMO-YOLO最强操作教程.测试于2023-1-9.代码版本为v0.2.1
详细教学哔哩哔哩视频链接.
数据集转换脚本github链接.
操作步骤(建议看着哔哩哔哩视频进行操作)
- 下载github中的DAMO-YOLO源码、预训练权重、我github中的数据集转换脚本。
- 进入到DAMO-YOLO代码中，运行python setup.py install。
- 如果是windows的话，需要把tools里面的train.py、eval.py中的torch.distributed.init_process_group(backend=‘nccl’, init_method=‘env://’)的nccl换成gloo。
- 到configs/damoyolo_tinynasL20_T.py中，添加self.train.finetune_path = ‘damoyolo_tinynasL20_T_418.pth’，添加self.train.total_epochs=10。
- 到configs/damoyolo_tinynasL20_T.py中，修改ZeroHead中的num_classes为自己的类别数量，本教程为2。
- 到damo/config/paths_catalog.py中，修改DATASETS中的coco_2017_train和coco_2017_val。
运行命令
训练：
python -m torch.distributed.launch --nproc_per_node=1 train.py -f configs/damoyolo_tinynasL20_T.py
验证：
python -m torch.distributed.launch --nproc_per_node=1 eval.py -f configs/damoyolo_tinynasL20_T.py -c workdirs/damoyolo_tinynasL20_T/latest_ckpt.pth --fuse
推理：
python demo.py -p datasets/JPEGImages/11.jpg -f configs/damoyolo_tinynasL20_T.py --engine workdirs/damoyolo_tinynasL20_T/latest_ckpt.pth --infer_size 640 640