YOLOv5训练-wandb

概述YOLOv5（v4.0 release开始）已经在本地集成了Weights & Biases，也就是可视化的工具wandb，可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。软硬件环境OS：CentOS 7.7.1908[king@cam yolov5-docker-image]$ cat /etc/redhat-releaseCentOS

孤鹏独翔，鸿飞九霄

13725人浏览 · 2021-02-21 10:56:29

孤鹏独翔，鸿飞九霄 · 2021-02-21 10:56:29 发布

概述

YOLOv5（v4.0 release开始）已经在本地集成了Weights & Biases，也就是可视化的工具wandb，可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。

软硬件环境

OS：CentOS 7.7.1908

[king@cam yolov5-docker-image]$ cat /etc/redhat-release
CentOS Linux release 7.7.1908 (Core)
[king@cam yolov5-docker-image]$ uname -a
Linux cam 3.10.0-1062.18.1.el7.x86_64 #1 SMP Tue Mar 17 23:49:17 UTC 2020 x86_64 x86_64 x86_64 GNU/Linux
[king@cam yolov5-docker-image]$

Python 3.8.5 && Python 2.7.5

[king@cam yolov5-docker-image]$ python3 --version
Python 3.8.5
[king@cam yolov5-docker-image]$ python --version
Python 2.7.5
[king@cam yolov5-docker-image]$

CUDA: 10.0, V10.0.130

[king@cam yolov5-docker-image]$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

YOLOv5 v4.0

NVIDIA GeForce GTX 2080Ti

[king@cam yolov5-docker-image]$ nvidia-smi
Sun Feb 21 10:33:18 2021       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.64       Driver Version: 440.64       CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce RTX 208...  Off  | 00000000:1A:00.0 Off |                  N/A |
| 40%   54C    P2   180W / 260W |   8100MiB / 11019MiB |     19%      Default |
+-------------------------------+----------------------+----------------------+
|   1  GeForce RTX 208...  Off  | 00000000:1E:00.0 Off |                  N/A |
| 41%   33C    P8    36W / 260W |      0MiB / 11019MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0     82207      C   python3                                     8087MiB |
+-----------------------------------------------------------------------------+

安装wandb

sudo pip3 install wandb

配置wandb

注册账号 ======> 终端输入API Key（在浏览器中访问站点 https://wandb.ai/authorize，复制后贴到终端中）

wandb有在线和本地两种使用方式。

在线使用方式需要在https://wandb.ai/home，注册一个账号。注册后新建项目,名字叫yolov5，然后本地安装配置wandb, 按提示输入必要的信息（API Key)。

/usr/local/python385/bin/wandb login ***6ef350c8******

不过wandb网站挺卡，wandb也有本地使用方式。参考：https://docs.wandb.ai/self-hosted/local，配置好后也可以本地访问了。

训练模型

开始训练了，这个过程跟之前训练是一模一样的

python3 train.py --device 0

查看训练过程

在模型训练的过程中，登录网站 https://wandb.ai/home，在自己的项目中就可以看到训练的状态了。

向您推荐>>Eolink开发者社区

权威｜前沿｜技术｜干货｜国内首个API全生命周期开发者社区

更多推荐

深入理解 Mocha 测试框架：从零实现一个 Mocha

前言什么是自动化测试自动化测试在很多团队中都是Devops环节中很难执行起来的一个环节，主要原因在于测试代码的编写工作很难抽象，99%的场景都需要和业务强绑定，而且写测试代码的编写工作量往往比编写实际业务代码的工作量更多。在一些很多业务场景中投入产出比很低，适合写自动化测试的应该是那些中长期业务以及一些诸如组件一样的基础库。自动化测试是个比较大的概念，其中分类也比较多，比如单元测试，端对端测试，集

云原生

ELK实现containerd的容器日志采集展示【基于logging的全栈监测】

企业级ELK Stack构建介绍

云原生

(20200916 Solved)docker-compose up创建容器自动退出

问题描述如题，创建容器后自动退出了。并且docker start container无效解决方案原因是缺失了控制终端的配置，需要在docker-compose.yml中增加tty:true ，有时候这样也不行，需要再增加一个command:/bin/bash，命令不一定是这个，需要是一个不会退出的命令，然后用-d后台启动容器。Referencesdocker-compose启动容器后自动退出...