一、数据集准备
这里准备的是VOC数据集
--dateset
----VOC
------jpegimages(imgs)
------annotations(xmls)
------label.txt
------train.txt
------valid.txt
二、修改对应的yml文件
configs/model_type/model.yml
configs/runtime.yml
configs/datasets/voc.yml
三、运行训练
# 例
export CUDA_VISIBLE_DEVICES=0 #windows和Mac下不需要执行该命令
python tools/train.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml
# 实际
export CUDA_VISIBLE_DEVICES=0
ython tools/train.py -c configs/your model type/your_model.yml
四、导出模型
引用自PaddleDetection 官方github:
在模型训练过程中保存的模型文件是包含前向预测和反向传播的过程,在实际的工业部署则不需要反向传播,因此需要将模型进行导成部署需要的模型格式。 在PaddleDetection中提供了 tools/export_model.py
脚本来导出模型
python tools/export_model.py -c configs/your model/your_model.yml
--output_dir=./inference_model -o weights=output/your_model/best_model
五、模型导出
python tools/export_model.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml --output_dir=./inference_model \
-o weights=output/yolov3_mobilenet_v1_roadsign/best_model
六、部署运行
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)