华为 Mindspore 随笔

这是去华为Mindspore交大训练营的一个随笔，随便写点

Mindspore YOLO v8 微调

Mindspore中有相对应的Yolo实现，那么直接拿来用：
MindYolo

准备数据

MindYolo自己的数据准备讲解在这里，
Yolo数据准备用X-AnyLabeling就可以。

准备环境

在云服务器上clone一下MindYolo的仓库：

git clone https://github.com/mindspore-lab/mindyolo.git
cd ./mindyolo

安装依赖：

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple

上传数据集，我放在了$WORKSPACE$/Dataset

下载预训练的权重文件，以下以yolov5-s为例：

wget https://download.mindspore.cn/toolkits/mindyolo/yolov5/yolov5s_300e_mAP376-860bcf3b.ckpt -O yolov5-small_pretrain.ckpt

写一个训练yaml文件在数据集目录（也就是%WORKSPACE%/Dataset），以我的data.yaml为例：

__BASE__: [
  '../configs/yolov5/yolov5s.yaml', # 这里是MindYolo的自己的yolov5s的配置文件。
]

per_batch_size: 16 # 单卡batchsize，总的batchsize=per_batch_size * device_num
img_size: 640 # image sizes
weight: ./yolov5-small_pretrain.ckpt # 注意是以你的目前的执行位置（如果按我给出的指令，你应该直接能用）
strict_load: False # 是否按严格加载ckpt内参数，默认True，若设成False，当分类数不一致，丢掉最后一层分类器的weight
log_interval: 10 # 每log_interval次迭代打印一次loss结果

data:
  dataset_name: mask-gender
  train_set: ./Dataset/train.txt # 实际训练数据路径，注意是以你的目前的执行位置（如果按我给出的指令，你应该直接能用）
  val_set: ./Dataset/valid.txt   # 实际验证数据路径，注意是以你的目前的执行位置（如果按我给出的指令，你应该直接能用）
  test_set: ./Dataset/test.txt   # 实际测试数据路径，注意是以你的目前的执行位置（如果按我给出的指令，你应该直接能用）
  nc: 2 # 分类数
  # class names
  names: [ 'Female',  'Male' ] # 每一类的名字

optimizer:
  lr_init: 0.001  # initial learning rate

单卡训练模型：python train.py --config (config_yaml_file)，比如我的：python train.py --config ./Dataset/data.yaml --epochs 70。

训练完之后，使用demo/predict.py测试模型。