yolo fastest V2数据集训练模型步骤

1，收集数据集，train，val文件夹
2，labelimg标注数据集，yolo数据格式
3，运行train和val内jpg2listtxt.bat生成各自的list.txt
4，修改category.names,每个类一行
5，生成anchors锚点数据
python genanchors.py --traintxt train/list.txt
6，修改training.data内anchors和classes的类目数量
7，训练数据集
python train.py --data ./training.data
8，效果评估(pth文件名称为训练后生成的文件名称)
python evaluation.py --data training.data --weights weights/coco.pth
9，测试效果
python test.py --data training.data --weights weights/coco.pth --img train/xxx.jpg
10，转换成onnx模型
python pytorch2onnx.py --data training.data --weights weights/xxx.pth --output onnx/hand.onnx
11，安装onnxsim库，对onnx模型裁剪优化
python -m onnxsim onnx/hand.onnx onnx/hand-opt.onnx

jpg2listtxt.bat内容

dir /b/s/p/w *.jpg > list.txt
pause

其他文件请查找github上yolofastestv2

版权声明：本文为CSDN博主「wukongxuetang」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/wukong168/article/details/122697909