ฝึก YOLO-NAS ในชุดข้อมูลที่กำหนดเอง

May 07 2023
สถาปัตยกรรม YOLO-NAS ออกแล้ว! YOLO-NAS ใหม่มอบประสิทธิภาพที่ล้ำสมัยพร้อมประสิทธิภาพความเร็วที่แม่นยำที่เหนือชั้น ซึ่งเหนือกว่ารุ่นอื่นๆ เช่น YOLOv5, YOLOv6, YOLOv7 และ YOLOv8 เราจะเข้าใจวิธีฝึก YOLO-NAS บน Custom Dataset
บทแนะนำ YouTube

สถาปัตยกรรม YOLO-NAS ออกแล้ว! YOLO-NAS ใหม่มอบประสิทธิภาพที่ล้ำสมัยพร้อมประสิทธิภาพความเร็วที่แม่นยำที่เหนือชั้น ซึ่งเหนือกว่ารุ่นอื่นๆ เช่น YOLOv5, YOLOv6, YOLOv7 และ YOLOv8

เราจะเข้าใจวิธีฝึก YOLO-NAS บน Custom Dataset ฉันจะใช้ Roboflow Dataset

ลิงค์ชุดข้อมูล —https://universe.roboflow.com/object-detect-dmjpt/waste-9cbfm

เราจะใช้ google colab เพื่อฝึกอบรมชุดข้อมูลของเรา

โน้ตบุ๊กเริ่มต้น YOLO-NAS —https://colab.research.google.com/drive/1q0RmeVRzLwRXW-h9dPFSOchwJkThUy6d?pli=1&authuser=4

Google Colab

ขั้นตอนที่ 1 การติดตั้งไลบรารีที่จำเป็นอาจใช้เวลาสักครู่

ห้องสมุดที่สำคัญ

ขั้นตอนที่ 2 รีสตาร์ทรันไทม์ก่อนที่จะก้าวไปข้างหน้าขั้นตอนสำคัญ

คลิกที่ใช่

ขั้นตอนที่ 3 ดาวน์โหลด The pretrained weights — yolo_nas_s หรือขึ้นอยู่กับความต้องการของคุณ

เรียกใช้เซลล์โค้ดถัดไป อย่าลืมพูดถึงโมเดลที่ถูกต้อง = yolo_nas_s ในกรณีของฉัน

เรียกใช้สิ่งนี้เหนือเซลล์

ขั้นตอนที่ 4 ปรับแต่ง YOLO-NAS บนชุดข้อมูลแบบกำหนดเอง

ตรวจสอบไดเร็กทอรีที่ถูกสร้างขึ้น

ขั้นตอนที่ 5 ให้ใช้ชุดข้อมูลจาก roboflow ที่ฉันพูดถึงลิงก์ชุดข้อมูลที่ด้านบนแล้ว

เซลล์นำเข้าชุดข้อมูล Roboflow

เรียกใช้รหัสเซลล์ด้านบนนี้เพื่อนำเข้าโมดูลที่จำเป็นซึ่งจัดทำโดย SuperGradients DataLoaders

ขั้นตอนที่สำคัญที่สุดขณะโหลดชุดข้อมูลสำหรับการฝึกอบรม

กล่าวถึงทุกชั้นเรียน

เปลี่ยนขนาดแบทช์ ถ้าจำเป็น ฉันเปลี่ยนแล้ว 4.

ตอนนี้ตรวจสอบชุดข้อมูล SuperGradients ส่วนที่ดีที่สุดได้เพิ่มการแปลง

เรียกใช้เซลล์โค้ดด้านล่างทั้งหมดที่แสดงด้านล่าง

ขั้นตอนที่ 6 ตามที่ได้กล่าวไปแล้ว ฉันใช้โมเดล yolo_nas_s สำหรับการฝึกอบรมนี้

การกำหนดเมตริกและพารามิเตอร์การฝึกอบรม

การผสานรวมกับเครื่องมือตรวจสอบการทดสอบ SuperGradients มีการผสานรวมกับ Tensorboard, Weights and Biases, ClearML และ DagsHub

เปลี่ยนเฉพาะเมื่อจำเป็น…

ขั้นตอนที่ 7 ให้เริ่มการฝึกอบรม

เรียกใช้เซลล์นี้

ผลลัพธ์ของการฝึกอบรมเรามีลักษณะเช่นนี้จะใช้เวลาแสดงผล

เอาต์พุต

ในที่สุดการฝึกก็จบลง คุณจะได้รับน้ำหนักที่ดีที่สุดและสุดท้ายในโฟลเดอร์จุดตรวจสอบ

ขั้นตอนที่ 8 การประเมินแบบจำลองที่ผ่านการฝึกอบรมที่ดีที่สุดในชุดการทดสอบ

ขั้นตอนที่ 9 ให้ทำการตรวจจับโดยใช้โมเดลที่ดีที่สุด

A. สำหรับภาพ

เรียกใช้เซลล์รหัสด้านล่างโดยใช้รูปภาพใด ๆ ที่ให้เส้นทางที่เหมาะสมและแสดงผลลัพธ์ที่คาดการณ์ไว้

B. สำหรับวิดีโอ

เอาต์พุตจะถูกจัดเก็บไว้ในโฟลเดอร์เนื้อหาในรูปแบบ .mp4

ขอบคุณ

ฉันได้ทำวิดีโอสอนในหัวข้อนี้ด้วย คุณสามารถชำระเงินได้ที่ช่อง YouTube ของฉัน

โปรไฟล์ LinkedIn ของฉัน —https://www.linkedin.com/in/joelnadar123

หน้า Twitter ของฉัน—https://twitter.com/mrtweeter333?t=IrA-LZW5ZMcPL4DL_GZigw&s=09

โปรดอย่าลังเลที่จะติดต่อฉันหากคุณต้องการข้อมูลเพิ่มเติม