概览,快捷2020 年 6 月 25 日，Ultralytics 发布了 YOLO V5 的高效第一个正式版本，其性能与YOLO V4 不相伯仲，通过同样也是平台现今最先进的对象检测技术，并在推理速度上是完成目前最强，yolov5 按大小分为四个模型 yolov5s、快捷yolov5m、高效yolov5l、通过yolov5x。平台,完成MoPaaSAI人工智能平台一方面通过GPU资源虚拟化和分布式训练技术提供高效的算力优化管理，弹性灵活地满足不同场景机器学习对算力、快捷性能、高效安全和成本的通过需求；另一方面平台预置常用AI框架，通过提供高效的平台机器学习开发运维 (MLOps)，全流程地支持 AI 模型的完成构建、训练、部署和运维。,本文将介绍如何通过MoPaaS AI平台训练并使用yolov5s。,详细操作内容,1. YOLO训练流程,在训练yolov5s之前，需要简单了解YOLO训练流程及相关准备，具体如下图1所示：,,图1 训练流程图（来源https://cloud.tencent.com/developer/article/2055176）,2. 建立储存空间,前提：用户通过账户名与密码登录AI平台用户端，进入控制中心。,在左侧导航栏AI平台【数据管理】—【存储管理】模块点击新建存储如下图2所示，填写存储名称、存储空间大小、访问密码等信息。申请好的存储为后续上传数据文件、模型文件等提供储存和调用。,注：根据模型及数据集大小按需申请空间，后续可动态扩容。,,图2 新建存储,3. 版本与环境,3.1  准备yolov5s所需要的环境,前提：用户通过账户名与密码登录AI平台用户端，进入控制中心。,1、在平台开发环境模块创建YOLO的运行环境。,在左侧导航栏AI平台【开发环境】模块点击新建环境如下图3所示，填写环境信息、访问密码；同时勾选平台预置的环境框架、资源配置、挂载2.2章节创建的存储，此外tensorboard、端口管理等为非必选项，根据需求调整，最后点击创建。,,图3 创建YOLO环境,2、安装YOLO运行环境库,待环境状态为绿色运行中时，点击Mlab进行访问如图4所示：,,图4 访问创建的环境,通过web Terminal 安装环境依赖如下图5所示，安装全部依赖可使用命令：,pip install -r https://raw.githubusercontent.com/ultralytics/yolov5/master/requirements.txt,,图5 安装环境依赖,3.2 下载yolov5 模型,克隆文件到当前路径：git clone https://github.com/ultralytics/yolov5.git（需要 Git）。,或者把本地已经有的模型上传到2.2章节创建的存储，在【数据管理】—【存储管理】找到创建的Yolov5存储，点击管理然后上传本地模型文件，如图6所示：,,图6 上传本地模型文,4. 准备训练集,训练集分为两个部分即2个子文件夹。训练和测试所需要的路径结构如图7所示，在data目录文件夹下，创建子文件夹 images（图像）及 labels（标注）。每个文件夹下再分设train 和 test。注意：Yolov5 运行时会自动读取 images 和 labels 下相同路径相同文件名的图片和标注文本，图片名和标注文本的文件名需要完全一致且一一对应。,,图7 创建训练集,5. 数据标注,1、在左侧导航栏AI平台【数据管理】—【数据标注】模块点击新建标注如下图8所示，存储选择2.2章节创建的Yolov5存储即可。,,图8 创建标注工具及运行环境,2、创建完成后点击标注，输入账户并进入标注界面进行数据标注如图9所示：,,图9 进行数据标注,3、数据标注完成后导出标注内容为 txt 格式文件如图10所示，并把导出后的文件放到/labels/train/路径下。,,图10 导出标注后的数据,6. 创建配置文件,在存储/data/路径下创建wzry.yaml，内容如图11所示：,,图11 创建配置文件,7. 训练模型,在 web Terminal 执行训练如图12、图13所示，训练命令如下：,python train.py --img 640--epochs 50 --data wzry.yaml --weights yolov5s.pt,备注：,常用选项为：--img图像大小 --epochs训练层数 --data 数据配置文件 --weights初始模型 --device选择训练机器（CPU/GPU）,已完成2.3.1章节创建的Yolov5环境,,图12 执行训练命令,,图13 执行训练,8. 模型预测,在 web Terminal 进行预测如图14所示，执行命令如下：,python detect.py --weights runs/train/exp/weights/best.pt --sourcedata/images/test,处理识别过的图片/视频，在 /runs/detect/exp/中可以找到如图15所示。,,图14 进行模型预测,图15 预测结果,成果展示,一款AI生成头像工具，可以生成各种风格的头像，快来试试吧~,源于硅谷、扎根中国，上海殷泊信息科技有限公司 (MoPaaS) 是中国领先的人工智能(AI)平台和服务提供商，为用户的数字转型、智能升级和融合创新直接赋能。针对中国AI应用和工程市场的需求，基于自主的智能云平台专利技术，MoPaaS 在业界率先推出新一代开放的AI平台为加速客户AI技术创新和应用落地提供高效的算力优化和规模化AI模型开发、部署和运维 (ModelOps) 能力和服务；特别是针对企业应用场景，提供包括大模型迁移适配、提示工程以及部署推理的端到端 LLMOps方案。MoPaaS AI平台已经服务在工业制造、能源交通、互联网、医疗卫生、金融技术、教学科研、政府等行业超过300家国内外满意的客户的AI技术研发、人才培养和应用落地工程需求。MoPaaS致力打造全方位开放的AI技术和应用生态。MoPaaS 被Forrester评为中国企业级云平台市场的卓越表现者 (Strong Performer)。

(责任编辑：热点)