git clone https://github.com/comus/ultralytics.git
cd ultralytics
conda create -n yolo python=3.11
conda activate yolo
pip install ultralytics psutil requests seaborn pandas numpy scikit-learn pycocotools mlx onnxruntime tqdm pyyaml opencv-python matplotlib
pip install torch torchvision
運行 predict (我自己弄的多模型比較)
查看 predict.py, 修改圖片路徑
python predict.py
官方的 predict
查看 predict_single.py
- 修改圖片路徑
- 修改模型路徑
python predict_single.py
驗證
查看 val.py
- 修改模型路徑
python val.py
模型
- 模型檔放在 models 資料夾
- models/official 是官方的模型
- models/yolo11n-pose 是我訓練的模型
- 用官方的 yolo11n-pose 沒有預訓練權重的架構，重新訓練，數據集是 coco-pose
- models/yolo11n-pose/train
- 第一次訓練，只訓練了 30 個 epoch
- 訓練參數看 train_yolo11n_pose.py
- weights
- 訓練好的模型權重
- val.txt
- 驗證模型的數據
- results.csv
- 訓練過程的結果
- models/yolo11n-pose/train_stage2
- 第二次訓練，訓練了 70 個 epoch
- 訓練參數看 train_yolo11n_pose_stage2.py
- weights
- 訓練好的模型權重
- val.txt
- 驗證模型的數據
- results.csv
- 訓練過程的結果
- models/yolo11n-pose/train_stage3
- 第三次訓練，訓練了 80 個 epoch
- 訓練參數看 train_yolo11n_pose_stage3.py
- weights
- 訓練好的模型權重
- results.csv
- 訓練過程的結果
- models/yolo11n-pose/train_stage4
- 第四次訓練，訓練了 85 個 epoch
- 訓練參數看 train_yolo11n_pose_stage4.py
- weights
- 訓練好的模型權重
- results.csv
- 訓練過程的結果
- models/yolo11n-pose-distill1 是我訓練的模型
- 用官方 yolo11n-pose 的預訓練權重，重新訓練，數據集是 coco-pose，用了第一個版本的蒸餾損失函數
- 損失函數請找 pose_loss.py
- models/yolo11n-pose-distill1/train
- 第一次訓練，只訓練了 15 個 epoch
- 訓練參數看 train_yolo11n_pose_distill1.py
- weights
- 訓練好的模型權重
- val.txt
- 驗證模型的數據
- results.csv
- 訓練過程的結果
- models/yolo11n-pose-distill1/train_stage2
- 第二次訓練，訓練了 25 個 epoch
- 訓練參數看 train_yolo11n_pose_distill1_stage2.py
- weights
- 訓練好的模型權重
- val.txt
- 驗證模型的數據
- results.csv
- 訓練過程的結果
- models/yolo11n-pose-distill1/train_stage3
- 第三次訓練，訓練了 42 個 epoch
- 訓練參數看 train_yolo11n_pose_distill1_stage3.py
- weights
- 訓練好的模型權重
- results.csv
- 訓練過程的結果
- models/yolo11n-pose-distill1/train_stage4
- 第四次訓練，訓練了 100 個 epoch
- 訓練參數看 train_yolo11n_pose_distill1_stage4.py
- weights
- 訓練好的模型權重
- results.csv
- 訓練過程的結果
- 用官方 yolo11n-pose 的預訓練權重，重新訓練，數據集是 coco-pose，用了第一個版本的蒸餾損失函數
- models/yolo11n-pose-distill2 是我訓練的模型
- 用官方 yolo11n-pose 的預訓練權重，重新訓練，數據集是 coco-pose，用了第二個版本的蒸餾損失函數
- 損失函數請找 pose_loss.py
- models/yolo11n-pose-distill2/train
- 第一次訓練，只訓練了 15 個 epoch
- 訓練參數看 train_yolo11n_pose_distill2.py
- weights
- 訓練好的模型權重
- val.txt
- 驗證模型的數據
- results.csv
- 訓練過程的結果
- models/yolo11n-pose-distill2/train_stage2
- 第二次訓練，訓練了 25 個 epoch
- 訓練參數看 train_yolo11n_pose_distill2_stage2.py
- weights
- 訓練好的模型權重
- val.txt
- 驗證模型的數據
- results.csv
- 訓練過程的結果
- models/yolo11n-pose-distill2/train_stage3
- 第三次訓練，訓練了 100 個 epoch
- 訓練參數看 train_yolo11n_pose_distill2_stage3.py
- weights
- 訓練好的模型權重
- results.csv
- 訓練過程的結果
- 用官方 yolo11n-pose 的預訓練權重，重新訓練，數據集是 coco-pose，用了第二個版本的蒸餾損失函數
訓練詳情
- log_yolo11n_pose.txt
- 第一次訓練詳情
- log_yolo11n_pose_stage2.txt
- 第二次訓練詳情
- log_yolo11n_pose_stage3.txt
- 第三次訓練詳情
- log_yolo11n_pose_stage4.txt
- 第四次訓練詳情
- log_distill1.txt
- 第一次訓練詳情
- log_distill1_stage2.txt
- 第二次訓練詳情
- log_distill1_stage3.txt < 5890 ul dir="auto">
- 第三次訓練詳情
- 第四次訓練詳情
- 第一次訓練詳情
- 第二次訓練詳情
- 第三次訓練詳情
- 第四次訓練詳情