• 工程設計專題(114學年)

客製化模型訓練(使用Colab)

• 講義
• 影片

• Roboflow 提供的資料集：

  Pen :
  https://universe.roboflow.com/helmet-kbzqd/pen-w4ckf/browse?queryText=&pageSize=50&startingIndex=0&browseQuery=true

  Phone :
  https://universe.roboflow.com/test1-ciji9/yolov5_phone_model/dataset/2#

  Hands :
  https://universe.roboflow.com/swarm/arm-detect1/dataset/1
  https://universe.roboflow.com/college-6/college-6/dataset/1

  影片來源：國立臺灣師範大學 AIOT實驗室

  • 程式筆記本環境設定

    下載 Yolo7 到 Colab 程式筆記本

    # Download YOLOv7 repository and install requirements
    !git clone https://github.com/Qweqwem3m3m3/yolov7-tiny_AMB.git
    %cd yolov7-tiny_AMB
    !pip install -r requirements.txt

    將 Roboflow 的程式碼貼到 Colab 程式筆記本新欄位。

    

    從 yolov7 官網下載預訓練的模型

    %cd /content/yolov7-tiny_AMB
    !wget https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-tiny.pt

  • 模型訓練與結果評估

    開始訓練

    (1) 開啟 cfg 設定檔。

    /content/yolov7/cfg/training/yolov7-tiny.yaml

    (2) 修改類別種類的數字

     修改第二行 「nc："80" 」為你要辨識的圖片類別種類數字。

    (3) 指定訓練資料位置

    # run this cell to begin training
    # move the  dataset into yolov7 folder
    %cd /content/yolov7-tiny_AMB
    !python train.py --batch 16 --epochs 55 --cfg cfg/training/yolov7-tiny.yaml --data ./"YOUR_DATASET_NAME"/data.yaml --weights 'yolov7-tiny.pt' --hyp 'hyp.scratch.tiny.yaml' --device 0
    

    評估訓練結果

    (1) 上傳圖片到特定路徑

    /content/yolov7/inference/images

    (2) 找到某個「pt」檔案路徑，並複製此路徑。

    content/yolov7/runs/train/exp1,2,3(choose the last one)/weights/best.pt

    (3) 執行以下程式。

    !python detect.py --weights "./THE PATH YOU FIND/best.pt"  --conf 0.1 --source ./inference/images

     

  • 模型打包與轉換格式

    1. 開啟檔案

    reparameterize.py

    2. 修改路徑

    weights = 'THE PATH YOU FIND/best.pt'

    3. 修改「圖片類別」的種類數字

    class_num = 80

    4. 設定 「cfg 」檔

    開啟 /content/yolov7-tiny_AMB/cfg/deploy/yolov7-tiny.yaml

    修改類別數字 nc："80"

    5. 執行程式

    !python reparameterize.py

    完成後，將產生的「 nb 」模型檔案上傳到瑞昱的官方網站進行格式轉換

    https://www.amebaiot.com/zh/amebapro2-ai-convert-model/

    6. 師大架設的模型網站

    https://modelconverter.ntnu-aiot.com/