Yolov5腾讯云训练
Yolov5目前是解决图像识别问题的主流解决技术。选取YoloV5作为网络模型，一方面是因为从最终效果来看YOLOv5已经相当优秀，是发展的比较完备、使用比较广泛的一个版本；而更重要的是YOLOv5的调用、训练和预测都十分方便。YOLOv5的另一个特点就是它为不同的设备需求和不同的应用场景提供了大小和参数数量不同的网络。
购买腾讯云GPU服务器
1)GPU云服务器 特惠专场https://cloud.tencent.com/act/pro/gpu，可选择GN7机型，选择GPU计算型GN7 - 10核 40G，
配置信息
操作系统
Ubuntu Server 20.04 LTS 64位 GRID11.1
CPU 10核
GPU 0.5 * NVIDIA T4
内存 40GB
公网带宽 2Mbps （带宽按小时后付费）
镜像信息Ubuntu Server 20.04 LTS 64位 GRID11.1
2)安装anaconda
conda init
Vim ~/.bashrc
export PATH='/home/ubuntu/anaconda3/bin':$PATH #需要增加
# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/home/ubuntu/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
eval "$__conda_setup"
else
if [ -f "/home/ubuntu/anaconda3/etc/profile.d/conda.sh" ]; then
. "/home/ubuntu/anaconda3/etc/profile.d/conda.sh"
else
export PATH="/home/ubuntu/anaconda3/bin:$PATH"
fi
fi
unset __conda_setup
创建py10环境
conda create -n py10 python=3.10
3)安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
4)测试GPU
#检查pytorch能否使用GPU：
import torch
torch.cuda.is_available()
5)进行训练
l使用yolov5s训练300次
python train.py --img 640 --data mkdata/mkdata_parameter.yaml --cfg mkdata/mkdata_model.yaml --weights yolov5s.pt --batch-size 4 --epochs 300
--img-size：数据集大小
--batch-size：batch大小
--epochs：epoch数
--data：data文件，yaml格式
--weights：权重文件
--cfg：模型架构文件
l使用yolov5x训练150次
6)测试python area_detect.py --source ./area_dangerous --weights ./runs\train\exp\weights\best.pt
实际效果：
对图片中的人员，是否戴防护头盔进行检测。
