yolov5權(quán)重和偏差記錄

關(guān)于權(quán)重和偏差

將W&B視為機器學(xué)習(xí)模型的 GitHub。只需幾行代碼，即可保存調(diào)試、比較和重現(xiàn)模型所需的一切——架構(gòu)、超參數(shù)、git 提交、模型權(quán)重、GPU 使用，甚至數(shù)據(jù)集和預(yù)測。

W&B 的輕量級集成適用于任何 Python 腳本，您可以注冊一個免費帳戶并在 5 分鐘內(nèi)開始跟蹤和可視化模型。

W&B 被 OpenAI、Lyft、Github 和 MILA 等頂級研究人員使用，是機器學(xué)習(xí)最佳實踐新標(biāo)準的一部分。W&B 如何幫助您優(yōu)化機器學(xué)習(xí)工作流程：

• 實時調(diào)試模型性能

• GPU 使用情況，自動可視化

• 用于強大、可擴展的可視化的自定義圖表

• 與合作者互動分享見解

• 高效優(yōu)化超參數(shù)

• 跟蹤數(shù)據(jù)集、管道和生產(chǎn)模型

在你開始前

克隆這個 repo 并安裝requirements.txt依賴項，包括Python>=3.8和PyTorch>=1.7。還要安裝 W&B pip 包wandb。

$ git clone https://github.com/ultralytics/yolov5  # clone repo
$ cd yolov5
$ pip install -r requirements.txt wandb  # install

首次設(shè)置

當(dāng)您第一次訓(xùn)練時，W&B 會提示您創(chuàng)建一個新帳戶并為您生成一個API 密鑰。如果您是現(xiàn)有用戶，則可以從 https://wandb.ai/authorize 檢索您的密鑰。此鍵用于告訴 W&B 在哪里記錄您的數(shù)據(jù)。您只需要提供一次您的密鑰，然后它就會在同一臺設(shè)備上被記住。

W&B 將為您的訓(xùn)練運行創(chuàng)建一個云項目（默認為“YOLOv5”），并且每個新的訓(xùn)練運行都將在該項目中提供一個唯一的運行名稱作為項目/名稱。您還可以手動將項目和運行名稱設(shè)置為：

$ python train.py --project ... --name ...

查看運行

在訓(xùn)練時將信息流從您的環(huán)境運行到 W&B 云控制臺。這允許您實時監(jiān)控甚至取消運行。記錄所有重要信息：

• 訓(xùn)練損失

• 驗證損失

• 指標(biāo)：精度、召回率、[email protected]、[email protected]:0.95

• 隨著時間的推移學(xué)習(xí)率

• GPU：類型、GPU 利用率、功率、溫度、CUDA 內(nèi)存使用情況

• 系統(tǒng)：磁盤 I/0、CPU 使用率、RAM 內(nèi)存使用率

• 環(huán)境：操作系統(tǒng)和 Python 類型、Git 存儲庫和狀態(tài)、訓(xùn)練命令

報告

W&B 報告可以從您保存的運行中創(chuàng)建，以便在線共享。創(chuàng)建報告后，您將收到一個鏈接，可用于公開分享您的結(jié)果。以下是根據(jù)所有四個 YOLOv5 模型的 COCO128 教程培訓(xùn)創(chuàng)建的示例報告（鏈接）。