0 前言

最近学习了李牧的动手学深度学习V2，他在kaggle平台上发起了一个目标检测的比赛，本着动手学习的态度，先使用他人的代码模型跑通试试看，一方面是熟悉学校服务器的一些配置，一方面是学习代码。

检测主要包括：牛仔夹克、墨镜、靴子、牛仔帽、腰带

使用的是yolov5l，参考别人的模型代码，完整项目（代码、数据集等）获取：公z号【龙一的编程life】后台回复【yolo】即可。

其他参考：【windows下使用Yolov5l用于牛仔行头检测】

他的一些代码配置有点小小的问题，在这里记录一下。

本次牛仔行头检测我使用的是ultralytics/yolov5 ，该仓库提供了s、m、l、x四个规模的预训练模型，我使用的预训练模型是Yolov5l，最后可以在公榜(也就是valid.csv)上达到60的MAP值。

本次是目标检测竞赛，一张图片上可能存在多个目标，每个目标可以用四个值来进行表示，即目标的种类和目标的位置，位置用四个值来进行表示，目标检测常用的格式可以为了3种：coco、voc和yolo。coco的坐标表示为[x， y， w， h]，即bbox左上角的坐标和bbox的宽和高；voc的坐标表示为[x_min, y_min, x_max, y_max]，即bbox左上角的坐标和右下角的坐标；yolo的坐标表示为[center_x, center_y, w, h]，yolo这里表示的是bbox中心点的坐标和bbox的宽高，注意yolo这里是值是经过归一化处理的，都是介于0到1之前的浮点数。本次比赛我们使用的是coco格式，我使用yolo模型来进行训练的，所以在训练和提交结果之前要对格式进行转换，否则大家可能遇到训练的MAP和提交测试的MAP相差过多的情况出现。

1 环境配置

配置之前请确保已经安装好了英伟达显卡的驱动，在命令行中输入nvidia-smi会输出相应的显卡信息。由于我们使用的是anconda来控制虚拟环境，使用conda命令安装Pytorch的时候会自动检查依赖并进行安装，所以不需要额外在本地安装cuda。（这些我的没有问题，毕竟用的学校服务器，之前装好了anconda）

1.1 把代码下载到本地

执行下列命令。（下载完后一般是在C盘的具体用户文件夹下会有一个yolov5的文件夹，这个需要上传到服务器，如果是自己电脑放工程文件夹下就行）

1.2 创建并激活虚拟环境

在服务器上创建一个专门yolo使用的虚拟环境，然后激活转到yolo环境下操作；

1.3 安装相关模块包、库文件

1、安装GPU版本的Pytorch，注意30系列显卡是安培架构，只支持11版本的cuda。（我不知道学校的服务器什么情况，反正我装的10.2可以）

这个我的报错了，说找不到pytorch==1.7.0，所以我去网站https://pytorch.org/找下载命令，CUDA可以选10.2或者11.1，这里我和他一致选10.2。

 2、安装程序所需的其他的第三方库

把下载的模型文件夹上传到服务器后，cd到文件目录下，然后进行相关环境依赖安装；安装要求都在requirements.txt文件中。

它这里会把所有满足要求比如大于等于某个版本的全部安装，时间有点久。

我的一开始没成功，因为这是个requirements.txt文件，他原本没有加后缀txt；

后面又报错scipy安装不上：

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

如果遇到安装不上的，就单独使用pip install scipy这种命令安装，然后再用下面的命令安装即可。

2 数据预处理

数据部分需要处理成yolo的数据格式，如果觉得比较麻烦的小伙伴可以使用我处理好的，链接如下：

链接：https://pan.baidu.com/s/1SGdjCTAq6Sa4LLgAG9Xx5w 提取码：v9re

 为了方便，我直接使用的这个处理好的，想自己处理的，前言中给了链接，自行获取代码处理。

原始的数据包含四部分的内容：

下载他的文件夹包括：

3 修改配置文件

所有的修改都是在yolov5之前下载的文件夹下进行操作。

3.1 在data目录下设置数据集的配置文件

我们在data目录下新建一个cow_data.yaml的文件，在文件中指定训练集和验证集的地址（需要更改为自己的存放路径）、数据集的目标数目和目标类名；（这个暂时还没找到在哪用，后续发现在运行的时候指定了这个文件）

3.2 在models目录下设置模型的配置文件

在models目录下新建一个cow_yolov5l.yaml的模型配置文件，这个文件应该是模型读取那一块要用的，在yolo.py的79行（盲猜的）。（实际也是在运行的时候指定的，这里改不改应该没什么问题）

具体内容如下：（无更改，直接使用）

4 训练模型

首先从点这里下载预训练的模型yolov5l（yolov5l.pt）到本地，存放在yolov5的weights目录下（没有就创建weights文件夹）。

上面的过程中我们已经设置好了数据集和模型的配置文件，我们只需要在项目的根目录下执行下列代码即可开始训练，由于我的显卡只有8G，所以这里的batchsize设置为4，训练的轮数设置为200；

（由于我用的服务器，我申请了两块CPU，所以batchsize我改大了也没什么问题，轮数200会有点久，差不多3小时吧，batchsize设置为4，轮数设置为50的时候是0.5小时，我的batch大，所以久点）

具体的命令如下：（记得cd到train.py的文件目录下，这个文件yolov5有，我是直接用的，没有复制他给出的代码）

----------------------------------------篇幅过长，请移步下面链接-------------------------------

全文链接：https://mp.weixin.qq.com/s/7bTq27HgfnnaERmKpqWWAg