YOLOv5 Train 시키기

YOLOv5를 학습시키는 과정을 진행해보자.

 

먼저 튜토리얼을 참고하면 아래와 같은 코드로 수행하면 된다.

 

from ultralytics import YOLO

# COCO 사전 훈련된 YOLOv5n 모델 로드
model = YOLO('yolov5n.pt')

# 모델 정보 표시 (선택 사항)
model.info()

# COCO8 예제 데이터셋을 사용하여 모델을 100번 에포크로 훈련
results = model.train(data='coco8.yaml', epochs=100, imgsz=640)

# 'bus.jpg' 이미지에 대해 YOLOv5n 모델로 추론 실행
results = model('path/to/bus.jpg')

 

먼저 train.py 파일에 들어가서 예제를 수행해보자.

 

python train.py --data coco128.yaml --weights yolov5s.pt --img 640  # from pretrained (recommended)

 

데이터는 coco128.yaml을 참조하고, 사전 학습된 yolov5s 파일을 이어서 640 크기의 이미지를 학습시킨다.

 

 

학습을 시작한다.

하이퍼 파라미터 값을 불러오고 텐서보드에 정보를 전시한다. 

http://localhost:6006/ 에 접속해도 아무것도 전시되지 않는다. 텐서보드에 대해서는 추가적인 학습 후 정리해보도록하자.

VScode를 관리자 권한으로 실행하지 않았더니 패키지가 몇개 설치 안되는 경고가 나왔다. 추후 다시 해보도록 하겠다.

 

 

총 100번의 epoch를 돌면서 수행할 예정이다.

그래픽카드가 열심히 돌아가고 있다.

 

 

100번의 epoch를 완료했다. 0133 시간이니까. 7분정도 소요된것같다.

 

runs\train\exp\weights\best.pt 에 위치한 파일로 validate를 수행하고

 

결과물은 'Results saved to runs\train\exp' 경로에 저장된것 같다.

 

 

결과물이 이렇게 정리되었다.

 

 

첫 번째 결과물을 모두 전시해보았다. 재미있고 흥미롭다.

 

다음에는 학습한 결과물을 가지고, tflite 모델로 변경하는 작업을 수행해보겠다.