这篇文章主要是简单记录一下对YOLOv5的学习，主要参考了CSDN博客里的大佬是刺猬吖所写的笔记，对我很有帮助，在此深深的感谢！！一、环境配置：下载Anaconda和Pycharm1、Anaconda官网下载安装其中一个坑是不要在安装之后改文件夹的名字，这样会因为配置文件的问题导致无法正常启动prompt2、Anaconda配置环境变量D:\AnacondaD:\Anaconda\ScriptsD

今天在用YOLOv5训练模型的时候发现报错：RuntimeError:CUDA error:out of memory查了一下百度的方法 是在Python文件（你要运行哪个就设置哪个，当然也可也通过环境变量统一设置）中手动设置调用GPU的编号import osos.environ["CUDA_VISIBLE_DEVICES"] = '1'结果就是可以跑起来但是根本不调用GPU，所以速度奇慢无比。（

问题描述训练的时候突然发现失去连接了，重新连接发现训练已经终止，这个情况下并不需要重新训练，只需要“断点续传”。解决方案方法很简单，将train.py的resume项的default设成True即可。修改train.py文件：parser.add_argument('--resume', nargs='?', const=True, default=True, help='resume most

问题描述训练的时候突然发现失去连接了，重新连接发现训练已经终止，这个情况下并不需要重新训练，只需要“断点续传”。解决方案方法很简单，将train.py的resume项的default设成True即可。修改train.py文件：parser.add_argument('--resume', nargs='?', const=True, default=True, help='resume most

记录几个名词解释，如果有表达不准确或不充分的地方欢迎指正。grid cell就相当于划分好的网格，比如说YOLOv1是将图片分成7*7的网格，然后这49个网格每个网格就是一个grid cell。bounding box对于YOLOv1而言就相当于在一个gird cell上面生成的两个预测框，这两个预测框就是bounding box。ground truth在机器学习中ground truth表示有

今天在用YOLOv5训练模型的时候发现报错：RuntimeError:CUDA error:out of memory查了一下百度的方法 是在Python文件（你要运行哪个就设置哪个，当然也可也通过环境变量统一设置）中手动设置调用GPU的编号import osos.environ["CUDA_VISIBLE_DEVICES"] = '1'结果就是可以跑起来但是根本不调用GPU，所以速度奇慢无比。（

记录几个名词解释，如果有表达不准确或不充分的地方欢迎指正。grid cell就相当于划分好的网格，比如说YOLOv1是将图片分成7*7的网格，然后这49个网格每个网格就是一个grid cell。bounding box对于YOLOv1而言就相当于在一个gird cell上面生成的两个预测框，这两个预测框就是bounding box。ground truth在机器学习中ground truth表示有

问题描述训练的时候突然发现失去连接了，重新连接发现训练已经终止，这个情况下并不需要重新训练，只需要“断点续传”。解决方案方法很简单，将train.py的resume项的default设成True即可。修改train.py文件：parser.add_argument('--resume', nargs='?', const=True, default=True, help='resume most

记录几个名词解释，如果有表达不准确或不充分的地方欢迎指正。grid cell就相当于划分好的网格，比如说YOLOv1是将图片分成7*7的网格，然后这49个网格每个网格就是一个grid cell。bounding box对于YOLOv1而言就相当于在一个gird cell上面生成的两个预测框，这两个预测框就是bounding box。ground truth在机器学习中ground truth表示有