YOLOv5（v6.1）解析（四）超参数进化
本文对YOLOv5项目的超参数算法进行详细阐述，笔者以后会定期讲解关于模型的其他的模块与相关技术，笔者也建立了一个关于目标检测的交流群：781334731，欢迎大家踊跃加入，一起学习鸭！
1.项目地址
源码地址：https://github.com/ultralytics/yolov5
打开网址后，点击master可选取不同版本的分支，本文对Yolov5最新版本v6.1解析
; 2.环境搭建
在配置Conda环境后就可以进入项目了，可以通过作者提供的requirements.txt文件进行快速安装，即在终端中键入如下指令：pip install -r requirements.txt
3.代码运行
如上是官方给出的代码运行方式，我们可利用Yolov5模型预测图像、视频、摄像头、网站视频、RTSP流文件等，模型会自动下载权重文件（yolov5s.pt、yolov5m.pt、yolov5l.pt等），预测后的结果会自动保存到runs/detect/exp目录下，下次运行结果会保存在runs/detect/exp1目录下，依次类推；下图给出yolov5模型的权重和尺寸，更具体信息请参考：https://github.com/ultralytics/yolov5/releases
; 4.模型推理
首先我们可以利用PyTorch Hub工具加载Yolov5模型（如果没下载，会自动下载模型权重到根目录下），之后加载需要检测的图片，最后利用封装好的模型推理检测结果，下图给出具体的实现步骤。
5. 检测结果
我们可以直接运行detect.py文件试试效果，运行后系统会把检测结果保存在runs\detect\exp3路径下（之前自己跑过试试）
下图就是检测结果：
; 6. 超参数进化Hyperparameter Evolution
yolov5提供了一种超参数优化的方法Hyperparameter Evolution，即超参数进化；超参数进化是一种利用遗传算法(GA) 进行超参数优化的方法，我们可以通过该方法选择更加合适自己的超参数；模型提供的默认参数是通过在COCO数据集上使用超参数进化得来的（由于超参数进化会耗费大量的资源和时间，如果默认参数训练出来的结果能满足你的使用，使用默认参数也是不错的选择）
6.1 初始化超参数
YOLOv5有28个用于各种训练设置的超参数，它们定义在/data/hyps目录下的yaml文件中；好的初始参数值将产生更好的最终结果，因此在演进之前正确初始化这些值是很重要的；如果有不清楚怎么初始化，只需使用默认值，这些值是针对COCO训练优化得到的（如yolov5/data/hyps/hyp.scratch.yaml文件）
; 6.2 参考指标
在YOLOv5模型中，定义了一个fitness函数对各项指标进行加权得到当前拟合度
6.3 超参数进化
yolov5/train.py文件中的超参数进化列表，括号里分别为(突变规模, 最小值,最大值)
超参数进化算法：
根据之前训练时的hyp来确定一个base hyp再进行突变，再通过之前每次进化得到的results来确定之前每个hyp的权重，得到每个hyp和每个hyp的权重之后有两种进化方式：
- 根据每个hyp的权重随机选择一个之前的hyp作为base hyp，random.choices(range(n), weights=w)
- 根据每个hyp的权重对之前所有的hyp进行融合获得一个base hyp，(x * w.reshape(n, 1)).sum(0) / w.sum()
evolve.txt会记录每次进化之后的results+hyp，每次进化时，hyp会根据之前的results进行从大到小的排序，再根据fitness函数计算之前每次进化得到的hyp的权重；再确定哪一种进化方式，从而进行进化
; 6.4 超参数进化实验
设置每75轮进化一次，epoch为300：python train.py –evolve 75 ；在进化之后可得到28个超参数的值
这些超参数的值也会保存在/runs/evolve/exp/hyp.evolve.yaml文件中（好像也没啥变化，一定是我数据集的问题。。。）
官方资料：https://github.com/ultralytics/yolov5/issues/607
彩蛋
本文对YOLOv5项目的超参数算法进行了详细阐述，笔者以后会定期讲解关于模型的其他的模块与相关技术，笔者也建立了一个关于目标检测的交流群：781334731，大家也可扫描下面这张图片加入，欢迎大家踊跃加入，一起学习鸭！
Original: https://blog.csdn.net/sc1434404661/article/details/124618306
Author: sc1434404661
Title: YOLOv5（v6.1）解析（四）超参数进化
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/518093/
转载文章受原作者版权保护。转载请注明原作者出处！