yolov5训练过程可视化

软硬件环境

• 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？ 咱们介绍过yolov5已经在本地集成了Weights & Biases，也就是wandb，这样就能够方便的追踪模型训练的整个过程，包括模型的性能、超参数、GPU的使用状况、模型预测，还有数据集。说到底，wandb就是个可视化的工具。

实操

开始以前，须要安装依赖

pip install wandb

关于模型训练，前文 https://xugaoxiang.com/2020/07/02/yolov5-training/ 已经比较详细的介绍过了，这里咱们直接使用前面使用过的口罩数据集进行测试。命令以下

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

yolov5_wandb

若是没有帐号的话，就选择1在线建立；已有帐号的话就选择2；不想使用wandb的话，就选择3。因为我已经在网页端注册过了，因此输入数字2

yolov5_wandb

终端提示须要wandb.ai的API Key，在浏览器中访问站点 https://wandb.ai/authorize，复制后贴到终端中

yolov5_wandb

而后就开始训练了，这个过程跟前面是如出一辙的

yolov5_wandb

在模型训练的过程当中，登陆网站 https://wandb.ai/home，就能够看到训练的状态了

yolov5_wandb

各项指标

yolov5_wandb

GPU的使用信息汇总

yolov5_wandb

Mosaics

yolov5_wandb

yolov5_wandb

训练完成后，终端中会输出wandb相关的信息，训练好的模型保存在本地目录runs/train下

yolov5_wandb

项目信息汇总

yolov5_wandb

模型的各项性能指标，图表形式

yolov5_wandb

评估模型是件很是痛苦的事。你是否是也曾经尝试过使用不一样阶段训练出来的模型进行推理呢？最后再选出最优的模型呢？

如今使用wandb就能够很方便的达到这个目的，并且仍是交互式的，下图是个例子

yolov5_wandb

还有个很是有用的功能，那就是分享，你能够建立report，而后生成网络连接分享给你的小伙伴，前提是你的项目必须是public的

yolov5_wandb

yolov5_wandb

参考资料

• 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

本文分享自微信公众号 - 迷途小书童的Note（Dev_Club）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。