git remote add upstream https://github.com/bert13069598/base-train.gitpython 3.10
pip install -r requirements.txtpython loader.py <idx> <show | make>
예시
python loader.py 0 --showpython loader.py 0 --make yolo- 인덱스 : 준비할 데이터셋 idx
--init: 데이터셋 생성--show: 라벨링 이미지 확인--make: 학습 데이터셋 저장 (yolo,coco)--work: make할 때 멀티프로세스 코어 갯수--path: 학습 데이터 저장 위치 (기본 위치 :yaml의path)
- 데이터셋 생성
python loader.py --init <데이터셋명>- cfg/datasets/<데이터셋명>.yaml 작성
- dataloader/loader/loader_<데이터셋명>.py 작성
loader.py옵션 지정 후 구동
| dataset | folder path / filename | idx | total | link |
|---|---|---|---|---|
<데이터셋명>과 동일하게 <프로젝트> 설정
python train.py -m <모델명> <-o> -p <프로젝트>
예시
python train.py -m yolov8s -p car- cfg/datasets/<데이터셋명>.yaml 경로 확인
train.py구동
.
├── images
│ ├── train
│ └── val
└── labels
├── train
└── val
tensorboard --logdir runs/yolov8s/carpython export.py -m <모델명> <-o> -p <프로젝트> -b <배치 수>
예시
python export.py -m yolov8s -p car -b 1pt -> onnx
현재 yolo만 지원
python test.py -m <모델명> <-o> -p <프로젝트> --show --auto
예시
python test.py -m yolov8s -o -p car --showpython test.py -m yolov8s -o -p car --auto--show: 추론 결과 확인--auto: 오토라벨링--dirs: 데이터 로드 위치 (기본 위치 :yaml의test)
jpg 전부 삭제
find . -type f -name "*.jpg" | xargs rm -ftxt 전부 삭제
find . -type f -name "*.txt" | xargs rm -fval 폴더 안의 랜덤 파일 30개 test 폴더로 복사
find val -maxdepth 1 -type f | shuf -n 30 | xargs -I{} cp {} test/