tensorflow Lite 2—- 移动端部署–yolov5+训练自己的数据集

一、模型移动端环境部署

可以参考:

tensorflow lite 1—- 移动端部署–object detection 官方历程手把手教程_行码阁119的博客-CSDN博客

二、训练模型

本文使用的yolov5为ultralytics公司的一个开源产品,由Glenn大佬实现,有很多合作的开发者参与了该项目,开发迭代速度非常快,三天两头就有更新。

本文训练采用的GOOGLE的colab,不用在自己环境配置pytorch,很方便。

当然这个需要翻墙,各位如果需要,可以去收一下:登录 — iKuuu VPN。这个目前是免费使用,如果使用不起,也可以花费5元一月,也便宜:登录 — Ari Connect 海外加速服务

且为了防止官方更新变化,本文将官方代码保存在自己github上,为了让本教程可以持续使用。

1、链接谷歌云盘

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

在这一步中,您应该将您的数据集上传到Google云盘。如果数据量很大,可以参考:

[En]

In this step, you should upload your data set to Google cloud disk. If the amount of data is large, you can refer to:

colab怎么提高训练速度,特别对于第一步训练时间特别长 colab切换为1的版本_行码阁119的博客-CSDN博客_colab训练速度慢

我这里图片较小,上传到谷歌云盘如图所示(其中Labels和images是对应的关系):

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

其中label对应格式为:

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

如果数据集很小,可以直接在网盘上解压并打开。如果数据集很大,请执行以下步骤。

[En]

If the data set is small, you can decompress it directly on the network disk and open it. If the dataset is large, follow these steps.

2、首先复制官方源码:

! git clone https://github.com/ultralytics/yolov5.git

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

然后运行,下载依赖库:

 !pip install -r /content/yolov5/requirements.txt

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

3、数据集准备(madir两条语句都要运行)

!mkdir /content/datasets/
!mkdir /content/datasets/coco128

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集
%cp -av /content/drive/MyDrive/yolov5/images.zip /content/datasets/coco128/images
%cp -av /content/drive/MyDrive/yolov5/labels.zip /content/datasets/coco128/

然后解压这两个文件。

[En]

Then extract the two files.

!pip install pyunpack
!pip install patool
from pyunpack import Archive
Archive('/content/datasets/coco128/labels.zip').extractall('/content/datasets/coco128')
Archive('/content/datasets/coco128/images.zip').extractall('/content/datasets/coco128')

当上述操作完成后,将出现以下界面:

[En]

When the above is complete, there will be the following interface:

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

然后对/content/yolov5/data/coco128.yaml进行修改为自己的数据集,并将官方下载数据集代码注释掉。

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

此时,数据集已准备就绪。你可以开始训练了。

[En]

At this point, the dataset is ready. You can start training.

4、训练模型

! python /content/yolov5/train.py

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

训练后的模型将保存在以下位置:

[En]

The trained model will be saved in:

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

三、将模型转换为Tflite文件:

float16型

! python /content/yolov5/export.py --weights /content/yolov5/runs/train/exp4/weights/best.pt --include tflite --img 320

int 8

python export.py --weights yolov5s.pt --include tflite --int8 --img 320 --data data/coco128.yaml

成功运行后,您将拥有以下文件:

[En]

After running successfully, you will have the following file:

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

右击,点击下载。

四、模型移动到安卓端

1 、打开android studio(默认个人安装成功,没有,参考第一章)

2、下载官方android环境:

https://github.com/zldrobit/yolov5/tree/tf-android

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

3、加载环境

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

4、将tflite文件放入项目文件

只是这里有一点需要注意,就是tflite文件的命名。float16 和 int8命名不一样。

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

然后将tflite放入如下文件:

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

然后点run. 如果没有虚拟机,请自己网上收一下怎么安装虚拟机。 如果要部署到移动端,请参考第一章节给链接。

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

5、安卓端移动结果展示

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

五、 补充

1、训练好的模型 移动端转移

是这样的 就是训练好的模型,需要发给远在天边的朋友,但是你会发现发送通过qq 远程 发送过去的app无法使用,安装不起。那么 需要你稍微改一下代码:

tensorflow Lite 2---- 移动端部署--yolov5+训练自己的数据集

添加:

android.injected.testOnly=false

然后 在发送 即可

六、结语

如果大家有什么问题,欢迎留言,大家一起讨论。

Original: https://blog.csdn.net/qq_40214464/article/details/122582080
Author: 行码阁119
Title: tensorflow Lite 2—- 移动端部署–yolov5+训练自己的数据集

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/497564/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球