モデルをトレーニングするための方法とデータの準備
____ ========================
================================================= ====================
TrainFile
===========================データセット
home/user/datasTrainALL/
1 まず、対応するパスに移動します:
PS C:\Users\ VRC \Desktop>
2コピーするフォルダーのパスで
scp -r ./Mydatas [email protected]:/home/user/datasTrainALL/Mynewdatas_2304 を実行します
説明: ./Mydatas はコピーするファイルの名前です
[email protected]: /home/user/datasTrainALL/Mynewdatas_2304 コピー先のサーバー パス
注意と手順:
1 出力内のすべての json ファイルを、すべての json が保存されているパスにコピーする必要があります。
2 トレーニング中に、トレーニングする必要があるすべての画像を home/user/TrainFile/datasTrain/images/train にコピーします。
3 cp /home /user/datasTrainALL/LQ_OrdinaryRoad02_6137_3.16GB/* /home/user/TrainFile/datasTrain/images/train/
4 現在のフォルダー内のファイルの数を表示します: ls -l | grep "^-" | wc -l
5 トレーニング Python 環境に入ります: ソース
現在の conda 環境が何であるかを確認するには、yolov5t をアクティブにしますか? conda env list
6 json2txt.pyの関数split_train_val_test()を実行してtrainとvalを分割
7 json2txt.pyの関数json2txt()を実行してtrainとvalの画像に対応するtxtファイルを生成
8 対応するtrain.pyを実行【後で参照]
9 内部のパラメータに従って、特に変更または確認する必要があります: 重みパス; モデル/yolov5s.yaml; データ/my_yolo5.yaml;
10 再開パラメータ: 最後のトレーニング中にマシンが再起動した場合、デフォルト値を設定できます。このパラメータ =True の場合、実行は最後に中断された場所から続行されます。
=========================== トレーニング
ホーム/ユーザー/TrainFile
train.y: home/user/TrainFile/yolov5_6./train.py
train.y の前に: data/my_yolo.yaml ファイルを変更する必要があります: データと分類 (番号とカテゴリ)
モデル/yolov5s.yaml ファイルを変更する必要があります。チェック
が入っており、データを準備する必要があります。セット/データ セットは home/mec/zyTrain/datasTrain/ ディレクトリに配置されます。
--datasTrain
--images
----train
----val
--labels
----train
----val