软硬件环境

• ubuntu 18.04 64bit

• pytorch 1.7

• cuda 11.0

• yolov5 4.0

• nvidia gtx 1070Ti

前言

前文  yolov5 V4.0更新了啥？ 我们介绍过yolov5已经在本地集成了Weights & Biases，也就是wandb，这样就可以方便的追踪模型训练的整个过程，包括模型的性能、超参数、GPU的使用情况、模型预测，还有数据集。说到底，wandb就是个可视化的工具。

实操

开始之前，需要安装依赖

pip install wandb

关于模型训练，前文 https://xugaoxiang.com/2020/07/02/yolov5-training/ 已经比较详细的介绍过了，这里我们直接使用前面使用过的口罩数据集进行测试。命令如下

python train.py --img 640 --batch 16 --epochs 300 --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights '' 

如果没有账号的话，就选择1在线创建；已有账号的话就选择2；不想使用wandb的话，就选择3。由于我已经在网页端注册过了，所以输入数字2

终端提示需要wandb.ai的API Key，在浏览器中访问站点 https://wandb.ai/authorize，复制后贴到终端中

然后就开始训练了，这个过程跟前面是一模一样的

在模型训练的过程中，登录网站 https://wandb.ai/home，就可以看到训练的状态了

各项指标

GPU的使用信息汇总

Mosaics

训练完成后，终端中会输出wandb相关的信息，训练好的模型保存在本地目录runs/train下

项目信息汇总

模型的各项性能指标，图表形式

评估模型是件非常痛苦的事。你是不是也曾经尝试过使用不同阶段训练出来的模型进行推理呢？最后再选出最优的模型呢？

现在使用wandb就可以很方便的达到这个目的，而且还是交互式的，下图是个例子

还有个非常有用的功能，那就是分享，你可以创建report，然后生成网络链接分享给你的小伙伴，前提是你的项目必须是public的

参考资料

• https://github.com/ultralytics/yolov5

• https://xugaoxiang.com/2021/01/23/yolov5-v4-0/

• https://xugaoxiang.com/2020/07/02/yolov5-training/

• https://wandb.ai/cayush/yoloV5/reports/Track-and-debug-your-YOLOv5-models--VmlldzozMDQ1OTg

查看评论