pointnet训练自己的数据（pointnet训练自己的数据集）



•   🍨 本文为🔗365天深度学习训练营中的学习记录博客
• 🍖 原作者：K同学啊

一、环境准备：

因为高版本的pytorch可能会出现报错（并不影响运行）、因此重新布置cuda和torch的环境

python=3.8.0

torch==1.10.0+cu113

torchvision==0.11.1+cu113

二、准备自己的数据集

这里使用的是kaggle上面的水果检测数据集，如果有需要的可以自行搜索进行下载。

下载图片后，设置好目录结构。

• 主目录
•         fruitdata（自己创建一个文件夹，将数据放到这里）
•                 Annotations（放置我们的.xml文件）
•                 images（放置图片文件）
•                 lmageSets
•                         Main（会在该文件夹内自动生成 train.txt、val.txt、test.txt 和 trainval.txt 四个文件存放训练集、验证集、测试集图片的名字）

目录结构如图所示：

Annotations文件夹为xml文件，我的文件如下：

images 文件夹：

我images文件位.png格式，官方的为.jpg，不过问题不大后面改一下代码即可。

三、将数据集进行分割

运行成功后，Main文件夹下面会出现4个txt文件，将整个图片数据集分为训练集：验证集：测试集=8：1：1

四、生成 train.txt、test.txt、val.txt 文件以及labels文件（这三个文件在fruitdata文件夹下）

这几个txt文件包含的是xml文件中的标注信息。相当于把xml格式转化为txt格式。

转换后，会生成上述所示的三个文件，以及labels文件，里面包含的是类别、中心点坐标、长度和宽度数据。

五、创建fruit.yaml和fruit.yaml文件（分别在data和models文件夹下）

两个文件分别为：

六、开始用模型训练自己的数据集

在终端输入命令：python train.py --img 900 --batch 2 --epoch 100 --data data/fruit.yaml --cfg models/fruit.yaml --weights weights/yolov5s.pt

结果会保存在相应的文件夹中。

七、心得总结

1.会出现很多报错，首先是：module ‘PIL.Image‘ has no attribute ‘ANTIALIAS‘，解决：进入相应的.py文件中，将Image.ANTIALIAS改为Image.LANCZOS。

2.其次是：AttributeError: ‘NoneType‘ object has no attribute ‘_free_weak_ref‘，解决：降级torch版本。具体版本可参考一、环境搭建。

3.再次是：

COMET INFO: Using ‘D:pycharmProjectyolov5-master-6.2.cometml-runs’ path as offline directory. Pass ‘offline_directory’ parameter into constructor or set the ‘COMET_OFFLINE_DIRECTORY’ environment variable to manually choose where to store offline experiment archives. 解决：卸载comet-ml  输入命令：pip uninstall comet-ml

4.还有xml文件和yolo文件之间的转换。

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/sjkxydsj/13774.html