如何建设部网站查职称,网站美观界面,c2c网站类型,php语言 电商网站建设代码基于yolov5 v6.0 目录#xff1a; yolo源码注释1——文件结构yolo源码注释2——数据集配置文件yolo源码注释3——模型配置文件yolo源码注释4——yolo-py datasets # 用于存放数据集的默认文件夹yolov5 data # 模型训练的超参数配置文件以及数据集配置文件 hyps # 存放超参… 代码基于yolov5 v6.0 目录 yolo源码注释1——文件结构yolo源码注释2——数据集配置文件yolo源码注释3——模型配置文件yolo源码注释4——yolo-py datasets # 用于存放数据集的默认文件夹yolov5 data # 模型训练的超参数配置文件以及数据集配置文件 hyps # 存放超参数配置文件yaml格式 hyp.scratch-high.yaml适用于较大的模型结构如 yololhyp.scratch-low.yaml适用于较小的模型结构如 yoloshyp.scratch-med.yaml适用于中等模型结构如 yolom images # 存放了官方提供的两张测试图片bus.jpg 和 zidane.jpgscripts # 用于下载数据集以及权重文件的shell脚本 download_weight.sh下载权重文件get_coco.sh下载 coco 数据集get_coco128.sh下载 coco128 数据集 XXX.yaml各种数据集的配置文件如 coco.yaml 是 coco 数据集的配置文件 models # 搭建模型的相关配置文件及代码 hub # 存放各版本网络模型的配置文件 anchors.yamlcoco 数据集的默认 anchoryolovX-XXX.yaml模型配置文件 common.py用于搭建网络的模块如Conv、DWConv、TransformerLayer等experimental.py实验性质的代码其中一些模块是近几年提出来的如CrossConv、Sum等yolov5的作者尝试将其融合进yolov5中tf.pyTensorFlow版本的yolov5代码yolo.py主要用于搭建yolov5的网络模型yolov5X.yamlyolov5的模型配置文件 runs #运行过程中产生的文件夹每运行一次都会生成一个名为 expN 的文件夹N代表运行次数 detect # 运行 detect.py 产生的图片图片中标注出识别到的物体及其概率train # 运行 train.py 产生的文件 weights # 权重包括训练出的最好权重 best.pt 以及上次训练的权重 last.ptconfusion_matrix.png混淆矩阵F1_curve.pngF1 score 与置信度之间的关系hyp.yaml超参数记录文件labels.jpg包含四张子图从左上到右下分别是每个类别的个数、标注的 bbox、标注的bbox的中心点坐标热图、bbox的宽高热图labels_correlogram.jpg预测框的宽高以及中心坐标热图opt.yaml模型记录文件P_curve.png准确率与置信度之间的关系PR_curve.png精准率与召回率之间的关系R_curve.png精准率与置信度之间的关系results.csv模型训练过程中的指标如损失函数、准确率等results.png训练集以及验证集在验证过程中的损失函数、mAP等指标的曲线train_bathN.jpg训练集图像带bboxval_batchN_labels.jpg验证集图像带bboxval_batchN_pred.jpg验证集图像带预测框 utils # 通用的工具类函数 aws恢复中断训练相关dockerdocker配置相关flash_rest_apiflask接口相关google_app_enginegoogle app相关loggers日志打印包括TensorBoardactivations.py激活函数augmentations.py图像增强autoanchor.py自动生成 anchorautobatch.py自动生成 batch sizebenchmarks.py评估模型的推理速度以及分析内存占用callbacks.py主要是 logger 的回调函数datasets.py配置 dataloader 和 datasetsdownloads.py下载数据集general.py通用函数loss.py损失函数metrics.py模型验证指标plots.py绘制损失函数等的曲线、bbox等torch_utils.py其他一些通用函数 detect.py将训练好的模型用于图片、视频等进行目标检测export.py导出模型hubconf.pypytorch hub 相关用于定义和管理模型的预训练权重和配置信息train.py训练模型val.py验证模型评估模型性能