python -m paddle.distributed.launch --gpus 0,1,2,3 tools/train.py -c configs/ppyoloe/ppyoloe_plus_crn_l_80e_coco.yml --eval --amp LAUNCH INFO 2023-05-17 10:07:58,736 --- Configuration --- LAUNCH INFO 2023-05-17 10:07:58,737 devices: 0,1,2,3 LAUNCH INFO 2023-05-17 1...
PP-YOLOE-l 在 COCO test-dev 上精度可达 51.4%,在 V100 上使用 TRT FP16 进行推理,速度可达 149.2FPS,相较于YOLOX-l精度提升 1.3 AP,速度提升 24.96%;相较于YOLOv5-x精度提升 0.7AP,TRT-FP16 加速 26.8%;相较于PP-YOLOv2精度提升 1.9 AP,速度提升 13.35%。 编辑 目前YOLOX以50.1达到了速度和精度...
py --config configs/ppyoloe/voc/ppyoloe_plus_crn_s_30e_voc.yml 2. ReID模型训练 注意:ReID模型训练在paddle2.1测试报错,动态图和静态图模式的问题,目前只支持在paddle2.0上使用动态图模式训练。 # 打开文件目录 %cd /home/aistudio/work/FishTracking/deepsort/deep/paddlemodel /home/aistudio/work/Fish...
├── ppyoloe_crn_s_300e_coco.yml ├── ppyoloe_crn_s_400e_coco.yml ├── ppyoloe_crn_x_300e_coco.yml ├── ppyoloe_plus_crn_l_80e_coco.yml ├── ppyoloe_plus_crn_m_80e_coco.yml ├── ppyoloe_plus_crn_s_80e_coco.yml ├── ppyoloe_plus_crn_x_80e_coco....
├── ppyoloe_crn_s_300e_coco.yml ├── ppyoloe_crn_s_400e_coco.yml ├── ppyoloe_crn_x_300e_coco.yml ├── ppyoloe_plus_crn_l_80e_coco.yml ├── ppyoloe_plus_crn_m_80e_coco.yml ├── ppyoloe_plus_crn_s_80e_coco.yml ...
PP-YOLOE+是ppyoloe最新的模型,有一系列s/m/l/x模型, 获取权重(也可以从这里获取): # PP-YOLOE+_swget https://bj.bcebos.com/v1/paddledet/models/ppyoloe_plus_crn_s_80e_coco.pdparams# PP-YOLOE+_mwget https://bj.bcebos.com/v1/paddledet/models/ppyoloe_plus_crn_m_80e_coco.pdparam...
PP-YOLOE 在GPU上部署或者速度测试需要通过tools/export_model.py导出模型。 In [ ] %cd /home/aistudio/PaddleDetection !python tools/export_model.py -c configs/ppyoloe/ppyoloe_plus_crn_l_80e_coco.yml -o weights=output/ppyoloe_plus_crn_l_80e_coco/best_model.pdparams 8.模型部署 In [ ...
model_name=ppyoloe # 可修改,如 yolov7 job_name=ppyoloe_plus_crn_s_80e_coco # 可修改,如 yolov7_tiny_300e_coco config=configs/${model_name}/${job_name}.yml log_dir=log_dir/${job_name} # weights=https://bj.bcebos.com/v1/paddledet/models/${job_name}.pdparams weights=output...
model_name=ppyoloe#可修改,如 yolov7job_name=ppyoloe_plus_crn_s_80e_coco#可修改,如 yolov7_tiny_300e_cococonfig=configs/${model_name}/${job_name}.yml log_dir=log_dir/${job_name}#weights=https://bj.bcebos.com/v1/paddledet/models/${job_name}.pdparamsweights=output/${job_name}...
py -c configs/smalldet/ppyoloe_plus_sod_crn_l_80e_coco.yml --amp --eval --use_vdl True --vdl_log_dir vdl_log_dir/scalar 我们可以通过VisualDL服务,进行训练的可视化,具体如下: 点击进入VisualDL以后,我们就可以看到可视化的结果如下: 五、模型评估 # 评估 %cd /home/aistudio/PaddleDetection ...