手把手带你调参YOLOv5 (v5.0-v7.0)（三）
文章目录
- 手把手带你调参YOLOv5 (v5.0-v7.0)（三）
- 1.val.py参数解析🚀
- 1.1"--data"🍀
- 1.2"--weights"
- 1.3"--batch-size"
- 1.4"--imgsz', '--img', '--img-size"
- 1.5"--conf-thres"
- 1.6"--iou-thres"
- 1.7"--task"🍀
- 1.8"--device"
- 1.9 "--workers"
- 2.0"--single-cls"
- 2.1"--augment"🍀
- 2.2"--verbose"
- 2.3"--save-txt"
- 2.4"--save-hybrid"
- 2.5"--save-conf"
- 2.6"--save-json"🍀
- 2.7"--project"
- 2.8"--name"
- 2.9"--exist-ok"
- 3.0"--half"
- 3.1"--dnn"
- 本人更多YOLOv5实战内容导航🍀🌟🚀
数据集有三大功能： 训练、验证和测试
训练最好理解，是拟合模型的过程，模型会通过分析数据、调节内部参数从而得到最优的模型效果。
验证即验证模型效果，效果可以指导我们调整模型中的超参数（在开始训练之前设置参数，而不是通过训练得到参数），通常会使用少量未参与训练的数据对模型进行验证，在训练的间隙中进行。
测试的作用是检查模型是否具有泛化能力（泛化能力是指模型对训练集之外的数据集是否也有很好的拟合能力）。通常会在模型训练完毕之后，选用较多训练集以外的数据进行测试。
1.val.py参数解析🚀
先说一下这个文件主要是用来干什么的，我们在训练结束后会打印出每个类别的一些评价指标，但是如果当时忘记记录，很多人就不知道怎么再次看到这些评价指标，那么我们就可以通过这个文件再次打印这些评价指标
还有就是我们在train的时候每轮打印出来的那些评价指标是验证集的评价指标，并不是测试集的评价指标，我们最终要放到论文里面的应该是测试集的评价指标
测试集的图片只在模型训练完成以后跑一轮，并且测试集的图片也是需要标注的！
1.1"–data"🍀
数据集配置文件的路径，默认是coco128数据集，yaml文件里面包含数据集的路径、类别等信息。
1.2"–weights"
模型的权重文件地址 ，这里要改成你想参与验证的模型的路径。
1.3"–batch-size"
前向传播的批大小。
1.4"–imgsz’, ‘–img’, '–img-size"
输入网络的图片分辨率 默认640 × 640。
1.5"–conf-thres"
置信度阈值。
1.6"–iou-thres"
NMS时IoU的阈值。
1.7"–task"🍀
这个参数比较重要，这个文件最核心的部分就是这个参数，我们想得到各个数据集的评价指标都是通过这个参数，如果想得到验证集的参数可以使用如下指令，(speed和study似乎还没实现，用了会报错)。
python val.py --task test
- 1
这样就会打印测试集的评价指标。
1.8"–device"
指定测试的设备。
1.9 “–workers”
线程数，和你训练时一样不报错就好。
2.0"–single-cls"
数据集是否只用一个类别 默认False。
2.1"–augment"🍀
这也是一个比较重要的参数，即测试是否使用TTA Test Time Augment，指定这个参数后各项指标会明显提升几个点，但是如果要用这个参数，你的基线也要记得使用。
2.2"–verbose"
是否打印出每个类别的mAP默认False。
2.3"–save-txt"
是否保存txt格式文件，默认关闭。
打开了就多了这个
里面就是这样的，包含了类别信息和中心点坐标和宽高
2.4"–save-hybrid"
将标签+预测混合结果保存到.txt。
同一个txt文件不开启是这样的。
开启是这样的：
2.5"–save-conf"
这个参数的意思就是是否以.txt的格式保存目标的置信度。
如果单独指定这个命令是没有效果的；
python detect.py --save-conf #不报错，但没效果
- 1
必须和--save-txt配合使用，即：
python detect.py --save-txt --save-conf
- 1
如果指定了这个参数就可以发现，同样是保存txt格式的文件，这次多了红色框里面的置信度值。原来每行只有
5
5
5 个数字，现在有
6
6
6 个了。
2.6"–save-json"🍀
是否按照coco的json格式保存预测框，并且使用coco api做评估（需要同样coco的json格式的标签） 默认False
开启后就多了这个json文件。
打开就这这样子的：
2.7"–project"
保存的源文件地址。
2.8"–name"
测试保存的文件地址名字 默认exp。
2.9"–exist-ok"
是否存在当前文件 默认False。
3.0"–half"
是否使用半精度推理 默认False。
3.1"–dnn"
这个参数的意思就是是否使用 OpenCV DNN 进行 ONNX 推理。
本人更多YOLOv5实战内容导航🍀🌟🚀
-
手把手带你调参Yolo v5 (v6.2)（推理）🌟强烈推荐
-
手把手带你调参Yolo v5 (v6.2)（训练）🚀
-
手把手带你调参Yolo v5 (v6.2)（验证）
-
如何快速使用自己的数据集训练Yolov5模型
-
手把手带你Yolov5 (v6.2)添加注意力机制(一)（并附上30多种顶会Attention原理图）🌟强烈推荐🍀新增8种
-
手把手带你Yolov5 (v6.2)添加注意力机制(二)（在C3模块中加入注意力机制）
-
Yolov5如何更换激活函数？
-
Yolov5如何更换BiFPN?
-
Yolov5 (v6.2)数据增强方式解析
-
Yolov5更换上采样方式( 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积)
-
Yolov5如何更换EIOU / alpha IOU / SIoU？
-
Yolov5更换主干网络之《旷视轻量化卷积神经网络ShuffleNetv2》
-
YOLOv5应用轻量级通用上采样算子CARAFE
-
空间金字塔池化改进 SPP / SPPF / SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC🚀
-
用于低分辨率图像和小物体的模块SPD-Conv
-
GSConv+Slim-neck 减轻模型的复杂度同时提升精度🍀
-
头部解耦 | 将YOLOX解耦头添加到YOLOv5 | 涨点杀器🍀
-
Stand-Alone Self-Attention | 搭建纯注意力FPN+PAN结构🍀
-
YOLOv5模型剪枝实战🚀
-
YOLOv5知识蒸馏实战🚀
-
YOLOv7知识蒸馏实战🚀
-
改进YOLOv5 | 引入密集连接卷积网络DenseNet思想 | 搭建密集连接模块🍀
有问题欢迎大家指正，如果感觉有帮助的话请点赞支持下👍📖🌟
微信公众号
