YOLOv5的Tricks | 【Trick11】在线模型训练可视化工具wandb(Weights & Biases)

已于 2022-08-07 11:58:57 修改
阅读量6.1k 收藏 28
点赞数 2
CC 4.0 BY-SA版权
分类专栏： # 目标检测YOLOv5技巧汇总 文章标签： 深度学习 可视化工具 wandb yolov5 python
于 2022-08-07 11:43:06 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44751294/article/details/126207463
本文介绍了wandb这款在线模型训练可视化工具，详细阐述了其与tensorboard的区别，以及wandb的主要功能，如Dashboard、Reports、Sweeps和Artifacts。通过wandb，可以方便地跟踪、可视化实验结果，进行超参调优和模型版本控制。文章还提供了wandb的快速入门指南，包括安装、初始化、记录日志和保存文件，并以一个简单的cifar10分类任务为例展示了wandb的使用方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

如有错误，恳请指出。

与其说是yolov5的训练技巧，这篇博客更多的记录如何使用wandb这个在线模型训练可视化工具，感受到了yolov5作者对其的充分喜爱。

所以下面内容更多的记录下如何最简单的使用这个工具，而不是在介绍他在yolov5中的使用，后者具体可以见官方资料：Weights & Biases with YOLOv5

文章目录

1. W&B简单介绍

Wandb是Weights & Biases的缩写，这款工具能够帮助跟踪你的机器学习项目。它能够自动记录模型训练过程中的超参数和输出指标，然后可视化和比较结果，并快速与同事共享结果。（感受到了yolov5作者对其极大的喜爱）

wandb和tensorboard最大区别是tensorboard的数据是存在本地的，wandb是存在wandb远端服务器，wandb会为开发真创建一个账户并生成登陆api的key。运行自己程序之前需要先登陆wandb。

在之前我也稍微介绍过Visdom与tensorboard的使用，见下面两个链接：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
YOLOv5的Tricks | 【Trick6】学习率调整策略（One Cycle Policy、余弦退火等）
Clichong
06-07 1万+
如有错误，恳请指出。其中包括：LR Range Test、Cyclical LR、One Cycle Policy、SGDR、AdamW 、SGDW、pytorch实现的余弦退火策略。具体的学习率调整策略，详细见参考资料。yolov5代码中提供了两种学习率调整方案：线性学习率与One Cycle学习率调整代码比较简单，如下所示： 配合辅助绘制函数，这里可以将两种学习率调整策略的学习率随epochs变化绘制出来，这里我重新写了一个函数比较方便调用lf。参考代码： 下面利用以上函数分别查看线性学习率与One C
从零开始学自然语言处理-十万字长文带你深入学习自然语言处理全流程
wenyusuran的专栏
09-12 3479
前言 内容会涉及自然语言处理的各个方面知识内容和具体操作：包括但不仅限于词法分析，句法分析，语义分析，文本聚类，文本分类，情感分析，文本摘要生成，主题模型，词嵌入，文本语义相似度，自然语言推理，机器翻译，语言模型，信息抽取，关系预测，对话，指代消解等等。 针对中文的自然语言处理，我们需要先将段落和句子切分为词语，这是最基础的一步操作，分词属于词法分析的基础部分。 以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！ MATLAB-30天带你从入门到精通 MAT
语言模型训练工具SRILM
zhoubl668的专栏：远帆，梦之帆！
07-18 1万+
SRILM是著名的约翰霍普金斯夏季研讨会（Johns Hopkins Summer Workshop）的产物，诞生于1995年，由SRI实验室的Andreas Stolcke负责开发维护。 　　关于SRILM的安装，我已经在前面关于moses平台搭建的文章（参见：《Moses相关介绍》和《Ubuntu8-10下moses测试平台搭建全记录》）中介绍过了，这里就不再重复。准确的说，SRILM并
AI嵌入式K210项目（28）-在线模型训练
疯狂飙车的蜗牛的博客
02-06 3023
前面我们使用已经训练好的模型在K210开发板上进行了人脸识别，口罩识别，手写数字识别等实验，那么模型除了使用已经训练好的，如何根据自己的需求，获得相应的模型那？本章我们来介绍下如何使用嘉楠科技提供的在线模型训练工具；嘉楠科技开发者社区（https://developer.canaan-creative.com/）模型训练板块是为简化开发流程，提高开发效率开放的训练平台。该平台使用户更加注重视觉场景的落地实现，更加快捷的完成从数据标注到获得部署包，并在搭载嘉楠科技Kendryte®。
YOLO一键训练工具：YOLO目标检测训练与测试工具
最新发布
QQ_1309399183的博客
07-04 470
YOLO一键训练工具：YOLO目标检测训练与测试工具。一站式YOLO目标检测解决方案 | 训练、测试、推理、数据集转换一体化工具
【目标检测】YOLOv5训练工具，简化训练准备过程
人生路漫漫，且行且珍惜
10-18 7428
使用这个工具，YOLOV5训练模型的准备时间将会大大减少！
YOLOX可视化训练工具（webyolox）
人生路漫漫，且行且珍惜
10-06 3230
2021年旷视研究院推出的YOLOX算法性能相当可以，给的源码条理也非常清晰，嵌入式部署也非常方便，但无论如何，训练的时候部署数据集还有相应环境等还是很费时间的，所以做了个网页端管理界面，能够帮你节省很多时间。如果想快速开始，在装好pytorch相关环境（torch、torchvision、torchaudio[可选]）的情况下，只需要在命令行输入以下命令即可。
K210学习笔记——MaixHub在线训练模型(新版)
Thousand_drive的博客
07-19 1万+
最近sipeed推出了新版的maixhub在线训练平台，因为前端时间比较忙没有时间来体验新版的功能，最近闲下来后赶忙来体验一下。新版maixhub对浏览器有要求的，比如不支持qq浏览器，推荐使用Chrome、MicrosoftEdge、Firefox、Safari等浏览器。点击这里跳转新版maixhub。新版maixhub主要有三大功能，分别是模型库(下载模型)、模型训练、和模型转换，模型库可以下载一些大佬训练效果比较好的模型，比如人脸识别、数字识别等，下载即用。httpshttpshttps。...
图像处理算法实战应用案例精讲-【目标检测】YOLO(附python代码实现)
qq_36130719的博客
12-08 2797
物体检测——顾名思义就是通过深度学习算法检测图像或视频中的物体。目标检测的目的是识别和定位场景中所有已知的目标。有了这种识别和定位，目标检测可以用来计数场景中的目标，确定和跟踪它们的精确位置，同时精确地标记它们。目标检测通常与图像识别相混淆，所以在我们继续之前，澄清它们之间的区别是重要的。图像识别为图像分配一个标签。狗的图片会被贴上“狗”的标签。两只狗的照片仍然会被贴上“狗”的标签。另一方面，对象检测在每只狗周围画一个盒子，并给这个盒子贴上“狗”的标签。模型预测每个对象在哪里以及应该应用什么标签。通过这种方
一步一步分析讲解深度神经网络基础-Convolutional Neural Network
热门推荐
凡难事必作于细的博客
12-25 2万+
Convolutional Neural Network 参考http://cs231n.github.io/convolutional-networks/history Convolutional Neural Networks (CNNs / ConvNets)Convolutional Neural Networks are very similar to ordinary Neural
Maix Bit K210在线训练模型【保姆级教程】
_
08-26 1万+
前言 Maixhub 提供模型训练功能和模型分享功能， 只需要准备好需要训练的数据集， 不需要搭建训练环境和代码， 上传训练数据即可快速训练出模型 目前 Maixhub 支持分类模型 和 目标检测模型的训练。 你需要做的： 1.确定目标， 是分类还是检测 2.根据使用说明制作符合要求的数据集 3.上传数据集等待云端自动训练 4.训练完成， 结果会通过邮件进行通知， 不管是成功还是失败，都会有邮件通知，里面有详细的任务信息和结果文件 Maixhub 模型训练平台使用说明 Ⅰ.功能介绍 Maixhub 模型训练
GMM模型训练工具
11-11
gmm模型训练工具，该工具为可执行文件，可直接运行使用，详细说明在说明文档里
人工智能-项目实践-深度学习-可视化-YoloX可视化训练插件.zip
12-23
人工智能-项目实践-深度学习-可视化-YoloX可视化训练插件 YoloX_EasyTrain 这是一个YoloX的训练插件，通过可视化的方式管理工程，训练模型。方便，高效！适合yolox新人朋友以及重度用户，让你点点鼠标就能训练自己的YoloX模型。 更详尽的使用文档请移步公众号： DL工程实践，后台回复：yolox 测试环境 操作系统：Ubuntu16.04 pytorch：1.8.0 cuda：11.0 python：3.6 这个环境我是测试过OK的，能保证可以正常使用。
MaixPy K210 目标分类模型在线训练及使用教程
qq_46082462的博客
10-08 5965
MaixPy目标分类模型在线训练及使用教程步骤准备数据集在线训练运行模型 步骤 本文的资料来自于MaixPy官方文档，更多详细内容可进入MaixPy官方文档进行查询。 官方文档地址：https://wiki.sipeed.com/soft/maixpy/zh/ 准备数据集 模型训练一定需要数据集，物品分类的数据集格式比较简单，首先创建一个数据集文件夹，然后根据需要分类物品的个数再在里面创建若干个名字为分类名的文件夹（分类名即文件夹名），每个文件夹里面存放对应分类物品的图片数据集，编号从0开始，最后将整个文件
yolov5(6.2版本)训练过程可视化
m0_52256221的博客
10-16 4251
yolov5 6.2版本
K210学习笔记（十一）——MaixHub在线训练模型（旧版在线炼丹）
Thousand_drive的博客
04-18 1万+
文章目录前言一、MaixHub功能介绍二、Maixhub模型训练使用方法1.确定方案三、图片采集四、标注数据集（目标分类跳过这一步）总结 前言 个人觉得K210与openmv最大的区别就是可以跑模型了，虽然不能跑yolov5得这类大型模型，但是还是可以使用一些yolov2、Mobilenet V1等轻量化模型。 一、MaixHub功能介绍 想要训练一个可用得模型，奈何电脑显卡不给力，没关系，我们可以使用Spieed的MaixHub模型在线训练来训练模型。Maixhub 模型训练平台帮助大家快速训练想要的
darknet YOLO 模型训练工具包（labelme标注）
qq_40622955的博客
04-15 2319
2020年4月15日更新： 原代码中图片都是jpg的，更新了可支持.png,.bmp,.jpg不同格式混合在一起的情况。 完整demo上传百度盘了，有兴趣可以看一下。 链接: https://pan.baidu.com/s/1mgqUsJmn6ynFHqKVAmYPSA 提取码: xgnt 简介：本篇文章把darknet训练YOLO模型的过程中需要用到的一些预处理函数打包封装成一个类，方便应用，图片标注工具是Labelme。封装的类中包含labelme标注的标签文件转为darknetYOLO所需的txt
国内加载流畅的AI模型训练平台 【Swanlab快速入门】
2401_85578645的博客
06-17 3885
SwanLab是一款开源、轻量级的AI实验跟踪工具，提供了一个跟踪、比较、和协作实验的平台，旨在加速AI研发团队100倍的研发效率。其提供了友好的API和漂亮的界面，结合了超参数跟踪、指标记录、在线协作、实验链接分享、实时消息通知等功能，让您可以快速跟踪ML实验、可视化过程、分享给同伴。借助SwanLab，科研人员可以沉淀自己的每一次训练经验，与合作者无缝地交流和协作，机器学习工程师可以更快地开发可用于生产的模型。
简单使用YOLOv5自己训练模型
yueliangmua的博客
11-24 2748
本文覆盖大多都是实际操作，能快速上手训练自己的模型并使用
yolov5的Tricks
09-12
2. DropBlock正则化：YOLOv5使用了DropBlock正则化技术，通过随机丢弃一些特征图上的区域，来防止模型过拟合，并提高模型的泛化能力。 3. PANet特征融合：YOLOv5引入了PANet（Path Aggregation Network）特征融合...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Clichong

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值