使用自己训练的网络权重部署演示

bai666ai 2023-01-13 00:37:44

课时名称	课时知识点
使用自己训练的网络权重部署演示	使用自己训练的网络权重部署演示

...全文

69 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

?sisi 2021-11-24

打赏
举报

回复

l老师，动态链接库已经编译成功，hello.py可以成功，app.py访问8888时显示127.0.0.1拒绝连接怎么解决呢

bai666ai 2021-11-24

举报

回复

@?sisi <p>你在本机上访问吗？不在本机访问的话，可以看下客户端ip地址和服务器是否在一个网段</p>

1.项目代码功能经验证ok，确保稳定可靠运行。欢迎下载使用！ 2.主要针对各个计算机相关专业，包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 3.项目具有丰富的拓展空间，不仅可作为入门进阶，也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。在使用过程中，如有问题或建议，请及时私信沟通。 5.期待你能在项目中找到乐趣和灵感，也欢迎你的分享和反馈！【资源说明】深度学习基于Vue前端实现的目标训练检测可视化系统python源码+部署说明.zip 说明： 1. yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt 为自带的预训练权重，可识别一般普通物体如：人、猫、狗、车等 2. 可以选择自训练权重对专一物体进行识别检测 ### 2. 上传识别

# 二、物体训练 ## 1. 图片标注 ### 1.1 新建数据集

注意：尽量不使用中文！ ### 1.2 上传图片

注意：图片名称不能出现中文！ ### 1.3 选择标注数据集

### 1.4 新建标注类

### 1.5 进行标注

注意，每次标注完当前图片后必须进行保存！ ## 2. 权重训练 ### 2.1 选择数据集

注意：数据集必须标注完全，即每一张图片都需要有对应标注信息。 ### 2.2 选择预训练权重

### 2.3 其他训练参数

### 2.4 开始训练

如果训练日志输出超出内存限制，请适当降低 Batch size 参数：

## 3. 性能和损失 ### 3.1 训练日志查看

### 3.2 训练权重检测

# 三、项目部署 ## 1. 环境要求 ### 1.1 Docker容器

【资源说明】基于Yolov5的Vue前端目标检测和训练可视化系统源码+模型+部署说明.zip 1、该资源内项目代码都是经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能。一、物体识别（检测） ### 1. 选择权重

说明： 1. yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt 为自带的预训练权重，可识别一般普通物体如：人、猫、狗、车等 2. 可以选择自训练权重对专一物体进行识别检测三、项目部署 ## 1. 环境要求 ### 1.1 Docker容器 - 系统测试环境为Ubuntu 16.04.6 LTS，Linux内核为4.15.0： ``` Static hostname: 304 Icon name: computer-desktop Chassis: desktop Machine ID: 1d0f19d8da7049cdaa13ef3402ecdc18 Boot ID: a07e6032ce044fac872d74c61b339b8f Operating System: Ubuntu 16.04.6 LTS Kernel: Linux 4.15.0-70-generic Architecture: x86-64 ``` - Docker容器版本为19.03，尽量使用较新版本Docker： ``` Docker version 19.03.13, build 4484c46d9d ``` ### 1.2 所需镜像 - ~~mysql:5.7 mysql数据库镜像~~ ``` docker pull mysql:5.7 ``` - flasktrain:latest 项目镜像 ``` docker pull registry.cn-hangzhou.aliyuncs.com/lvjune/yolov5_train_system:latest ```

<项目介绍> 注意事项为了能让模型移植到RK3588上，对网络层做了几处修改，并且此项目仅测试了原作者提供的u2netp模型，为了降低移植带来的精度损失，所有的操作，仅限于对普通无权重的算子进行了修改和替换。文档下方会具体标注修改处。项目环境 1. 服务器端 (训练/测试/转换环境onnx) python: 3.8 完全按照U2Net原作者说明的环境 - 不懂运行，下载完可以私聊问，可远程教学该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 --------

课程演示环境：Windows10 需要学习Ubuntus系统YOLOv4-tiny的同学请前往《YOLOv4-tiny目标检测实战：训练自己的数据集》 YOLOv4-tiny来了！速度大幅提升！ YOLOv4-tiny在COCO上的性能可达到：40.2% AP50, 371 FPS (GTX 1080 Ti)。相较于YOLOv3-tiny，AP和FPS的性能有巨大提升。并且，YOLOv4-tiny的权重文件只有23MB，适合在移动端、嵌入式设备、边缘计算设备上部署。本课程将手把手地教大家使用labelImg标注和使用YOLOv4-tiny训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。本课程的YOLOv4-tiny使用AlexAB/darknet，在Windows10系统上做项目演示。包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。除本课程《Windows版YO

课程演示环境：Ubuntu 需要学习Windows系统YOLOv4-tiny的同学请前往《Windows版YOLOv4-tiny目标检测实战：训练自己的数据集》 YOLOv4-tiny来了！速度大幅提升！ YOLOv4-tiny在COCO上的性能可达到：40.2% AP50, 371 FPS (GTX 1080 Ti)。相较于YOLOv3-tiny，AP和FPS的性能有巨大提升。并且，YOLOv4-tiny的权重文件只有23MB，适合在移动端、嵌入式设备、边缘计算等设备上部署。本课程将手把手地教大家使用labelImg标注和使用YOLOv4-tiny训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。本课程的YOLOv4-tiny使用AlexAB/darknet，在Ubuntu系统上做项目演示。包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。除本课程《

白老师的课程社区_NO_4

7

社区成员

299

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章