YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)
课时介绍
课程介绍
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能,更加灵活和易用,当前非常流行。
本课程将手把手地教大家使用labelImg标注和使用YOLOv5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YOLOv5使用ultralytics/yolov5,在Windows和Ubuntu系统上分别做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集(自动划分训练集和验证集)、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。
除本课程《YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)》外,本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:
《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428
《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087
《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303
《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451
《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669
《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744
《YOLOv5实战中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209
《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284

信息系统项目管理师自考笔记
李明 · 723人在学

python从0到1:期货量化交易系统(CTP实战,高频及合成K线数据
王先生 · 22100人在学

手把手搭建Java超市管理系统【附源码】(毕设)
汤小洋 · 4205人在学

Java毕设springboot外卖点餐系统 毕业设计毕设源码 使用教
黄菊华 · 788人在学

基于SSM酒店管理系统(毕设)
小尼老师 · 841人在学

java项目实战之购物商城(java毕业设计)
Long · 5154人在学

手把手搭建Java求职招聘系统【附源码】(毕设)
汤小洋 · 1506人在学

Python Django 深度学习 小程序
钟翔 · 2319人在学

城管局门前三包管理系统+微信小程序(vue+springboot)
赖国荣 · 598人在学

Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序
李杰 · 3985人在学
(ws_pytorch) cola@cola-NKx0Sx:~/桌面/yolov5-ball$ python train.py --data data/voc_ball.yaml --cfg models/yolov5s_ball.yaml --weights weights/yolov5s.pt --batch-size 16 --epochs 50 --workers 4
wandb: WARNING ⚠️ wandb is deprecated and will be removed in a future release. See supported integrations at https://github.com/ultralytics/yolov5#integrations.
wandb: Currently logged in as: 1215061546. Use
wandb login --relogin
to force relogintrain: weights=weights/yolov5s.pt, cfg=models/yolov5s_ball.yaml, data=data/voc_ball.yaml, hyp=data/hyps/hyp.scratch-low.yaml, epochs=50, batch_size=16, imgsz=640, rect=False, resume=False, nosave=False, noval=False, noautoanchor=False, noplots=False, evolve=None, bucket=, cache=None, image_weights=False, device=, multi_scale=False, single_cls=False, optimizer=SGD, sync_bn=False, workers=4, project=runs/train, name=exp, exist_ok=False, quad=False, cos_lr=False, label_smoothing=0.0, patience=100, freeze=[0], save_period=-1, seed=0, local_rank=-1, entity=None, upload_dataset=False, bbox_interval=-1, artifact_alias=latest
github: skipping check (not a git repository), for updates see https://github.com/ultralytics/yolov5
Traceback (most recent call last):
File "train.py", line 642, in
main(opt)
File "train.py", line 506, in main
check_file(opt.data), check_yaml(opt.cfg), check_yaml(opt.hyp), str(opt.weights), str(opt.project) # checks
File "/home/cola/桌面/yolov5-ball/utils/general.py", line 458, in check_file
assert len(files), f'File not found: {file}' # assert file was found
AssertionError: File not found: data/voc_ball.yaml
按着你的步骤一步步来的,还是出错了,这些问题该怎么解决**