QUICK_STARTED_cn.md 2.4 KB
Newer Older
1 2 3 4
[English](QUICK_STARTED.md) | 简体中文

# 快速开始

W
wangguanzhong 已提交
5
为了使得用户能够在很短的时间内快速产出模型,掌握PaddleDetection的使用方式,这篇教程通过一个预训练检测模型对小数据集进行finetune。在P40上单卡大约20min即可产出一个效果不错的模型。
6

W
wangguanzhong 已提交
7
- **注:在开始前,对于Linux用户, 运行如下命令设置PYTHONPATH,如果有GPU设备,指定GPU设备号。对于Windows用户,同样需要将PaddleDetection的根目录设置到PYTHONPATH中。**
8 9

```bash
K
Kaipeng Deng 已提交
10
export PYTHONPATH=$PYTHONPATH:.
W
wangguanzhong 已提交
11
export CUDA_VISIBLE_DEVICES=0
12 13
```

W
wangguanzhong 已提交
14
## 数据准备
G
Guanghua Yu 已提交
15

16
数据集参考[Kaggle数据集](https://www.kaggle.com/mbkinaci/fruit-images-for-object-detection),其中训练数据集240张图片,测试数据集60张图片,数据类别为3类:苹果,橘子,香蕉。[下载链接](https://dataset.bj.bcebos.com/PaddleDetection_demo/fruit-detection.tar)。数据下载后分别解压即可, 数据准备脚本位于[download_fruit.py](https://github.com/PaddlePaddle/PaddleDetection/tree/master/dataset/fruit/download_fruit.py)。下载数据方式如下:
17 18

```bash
W
wangguanzhong 已提交
19
python dataset/fruit/download_fruit.py
W
wangguanzhong 已提交
20 21
```

W
wangguanzhong 已提交
22 23
## 开始训练

W
wangguanzhong 已提交
24 25 26
训练命令如下:

```bash
27 28 29
python -u tools/train.py -c configs/yolov3_mobilenet_v1_fruit.yml \
                        --use_tb=True \
                        --tb_log_dir=tb_fruit_dir/scalar \
W
wangguanzhong 已提交
30
                        --eval
31 32 33 34 35 36 37 38 39 40
```

训练使用`yolov3_mobilenet_v1`基于COCO数据集训练好的模型进行finetune。训练期间可以通过tensorboard实时观察loss和精度值,启动命令如下:

```bash
tensorboard --logdir tb_fruit_dir/scalar/ --host <host_IP> --port <port_num>
```

tensorboard结果显示如下:

G
Guanghua Yu 已提交
41 42

![](../images/tensorboard_fruit.jpg)
43 44 45

训练模型[下载链接](https://paddlemodels.bj.bcebos.com/object_detection/yolov3_mobilenet_v1_fruit.tar)

G
Guanghua Yu 已提交
46 47
## 评估预测

48 49 50 51 52 53 54 55 56
评估命令如下:

```bash
python -u tools/eval.py -c configs/yolov3_mobilenet_v1_fruit.yml
```

预测命令如下

```bash
W
wangguanzhong 已提交
57 58
python -u tools/infer.py -c configs/yolov3_mobilenet_v1_fruit.yml \
                         -o weights=https://paddlemodels.bj.bcebos.com/object_detection/yolov3_mobilenet_v1_fruit.tar \
59
                         --infer_img=demo/orange_71.jpg
60 61 62 63 64
```

预测图片如下:


G
Guanghua Yu 已提交
65 66 67 68
![](../../demo/orange_71.jpg)
![](../images/orange_71_detection.jpg)

更多训练及评估流程,请参考[入门使用文档](GETTING_STARTED_cn.md)