制作和训练自定义数据集,针对YOLO、深度学习(二)

深度学习中制作数据集,并在项目中运行、预测

在这里介绍我们如何自定义数据集,并进行预测,可以关注我的博客,后续将会有更多的干货分享!

训练制作的(自定义)数据集
  1. 将train.py文件中的数据集设置为自己的yaml文件后。就可以开始训练了。
    在这里插入图片描述
  2. 更换后,训练的结果保存在runs里面。
    在这里插入图片描述
将运行结果(best.pt)进行预测在这里插入图片描述
提示:数据集的放置位置 ----> 可以大大提升程序检索数据集的速度

由于数据集在实践中,内容多、数量大,一般不把数据集放到项目目录下(同级目录下,像coco128数据集一样),或者:
在这里插入图片描述

版权声明:本文为CSDN博主「小学鸡!」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/zhangfuping123456789/article/details/122194097

小学鸡!

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

torch.nn.CrossEntropyLoss用法

前言 早上想花一个小时参照网上其他教程,修改模型结构,写一个手写识别数字的出来,结果卡在了这个上面,loss一直降不下来,然后我就去查看了一下CrossEntropyLos

YOLOv3 YOLOv4 YOLOv5老鼠识别检测告警

前言 在食品安全众多环节中,后厨安全无疑是重中之重。俗话说“民以食为天,食以安为先”,食材新鲜程度如何、加工过程规不规范、厨具是否经过清洁消毒等问题,备受大家关注。 一、为什么需要AI检