tensorflow训练YOLO tensorflow yolo5

一、模型移动端环境部署

可以参考：

二、训练模型

本文使用的yolov5为ultralytics公司的一个开源产品，由Glenn大佬实现，有很多合作的开发者参与了该项目，开发迭代速度非常快，三天两头就有更新。

本文训练采用的GOOGLE的colab，不用在自己环境配置pytorch,很方便。

各位如果需要VPN，可以去收一下：登录 — iKuuu VPN。这个目前是免费使用，如果使用不起，也可以花费5元一月，也便宜：登录 — Ari Connect 海外加速服务

且为了防止官方更新变化，本文将官方代码保存在自己github上，为了让本教程可以持续使用。

1、链接谷歌云盘

 这一步，大家应把自己数据集上传谷歌云盘上。如果数据量大，可以参考：

我这里图片较小，上传到谷歌云盘如图所示（其中Labels和images是对应的关系）：

其中label对应格式为：

 如果数据集小的话，可以直接在网盘解压，打开。如果数据集大，按照一下步骤来。

2、首先复制官方源码：

! git clone https://github.com/ultralytics/yolov5.git

然后运行，下载依赖库：

!pip install -r /content/yolov5/requirements.txt

 3、数据集准备（madir两条语句都要运行）

!mkdir /content/datasets/

!mkdir /content/datasets/coco128

%cp -av /content/drive/MyDrive/yolov5/images.zip /content/datasets/coco128/images

%cp -av /content/drive/MyDrive/yolov5/labels.zip /content/datasets/coco128/

 然后对两个文件进行解压。

!pip install pyunpack
!pip install patool
from pyunpack import Archive
Archive('/content/datasets/coco128/labels.zip').extractall('/content/datasets/coco128')
Archive('/content/datasets/coco128/images.zip').extractall('/content/datasets/coco128')

 上面完成后，会有以下界面：

 然后对/content/yolov5/data/coco128.yaml进行修改为自己的数据集，并将官方下载数据集代码注释掉。

到这里，数据集准备完毕。可以开始训练。

  4、训练模型

! python /content/yolov5/train.py

 训练好的模型，会保存在：

 三、将模型转换为Tflite文件：

float16型

! python /content/yolov5/export.py --weights /content/yolov5/runs/train/exp4/weights/best.pt --include tflite --img 320

 int 8

python export.py --weights yolov5s.pt --include tflite --int8 --img 320 --data data/coco128.yaml

运行成功后，会有一下文件：

右击，点击下载。

 四、模型移动到安卓端

1 、打开android studio(默认个人安装成功，没有，参考第一章)

2、下载官方android环境：

https://github.com/zldrobit/yolov5/tree/tf-android

 3、加载环境

 

4、将tflite文件放入项目文件 

只是这里有一点需要注意，就是tflite文件的命名。float16 和 int8命名不一样。

 然后将tflite放入如下文件：

然后点run. 如果没有虚拟机，请自己网上收一下怎么安装虚拟机。如果要部署到移动端，请参考第一章节给链接。

 

 5、安卓端移动结果展示

五、 补充

1、训练好的模型 移动端转移

是这样的 就是训练好的模型，需要发给远在天边的朋友，但是你会发现发送通过qq 远程 发送过去的app无法使用，安装不起。那么 需要你稍微改一下代码：

 添加：

android.injected.testOnly=false

然后  在发送 即可

六、结语

如果大家有什么问题，欢迎留言，大家一起讨论。