然後進入拉取的yolov5的docker容器中
參考教程
sudo nvidia-docker run --ipc=host -it -v /data/coco128:/usr/src/coco128 yolo /bin/bash
（注意一定要用nvidia-docker這樣才可以執行gpu環境）
預設路徑在/usr/src/coco128 下。可以在**中進行修改
將coco掛載到docker/usr/src/coco中
這裡要注意，資料集中的images和labels的與txt檔案數目一定要相同，否則訓練的時候精度會收到影響
yolov5訓練自己的資料集
1.資料準備 label 格式如下 資料集格式如下，確保label和mages這兩個資料夾在同一目錄裡 image train 存放訓練 val 存放驗證 label train 存放訓練label x.txt val 存放驗證label 2.配置自己的.yaml檔案，放在data資料夾下，3.選擇...
yolov3訓練自己的資料集
6.測試訓練出的網路模型 訓練好後可以在 backup看到權重檔案 嘗試test前要修改cfg檔案,切換到test模式。可以重新建立乙個測試cfg檔案,如yolov3 voc ball test.cfg 測試 darknet detector test cfg voc ball.data cfg y...
YOLOv3訓練自己的VOC資料集
yolo 一 安裝darknet並借助預訓練權重進行檢測 1.安裝darknetgit clone https pjreddie.com media files yolov3.weights3.執行檢測.darknet detect cfg yolov3.cfg yolov3.weights dat...