室内设计网站图片,广州城中村,建站公司专业定制,咸阳网站建设专业公司1. YOLOv9-S网络结构
1.1 改前改后的网络结构#xff08;参数量、计算量#xff09;对比
修改前调用的yolo.py测试的yolov9.yaml的打印网络情况#xff0c;包含参数量、计算量 修改后调用的yolo.py测试的yolov9.yaml的打印网络情况#xff0c;包含参数量、计算量
1.2 …1. YOLOv9-S网络结构
1.1 改前改后的网络结构参数量、计算量对比
修改前调用的yolo.py测试的yolov9.yaml的打印网络情况包含参数量、计算量 修改后调用的yolo.py测试的yolov9.yaml的打印网络情况包含参数量、计算量
1.2 修改YOLOv9-s架构
在models/yolo.py文件中CtrlF定位到args [c1, c2, *args[1:]]然后再如下位置添加代码 if m in (RepNCSPELAN4,):args[1] make_divisible(args[1] * gw, 8)args[2] make_divisible(args[2] * gw, 8)args[3] max(round(args[3] * gd), 1) if n 1 else n 还是在models/yolo.py中定位到elif m is CBLinear然后做如下更改 c2 [int(x * gw) for x in args[0]] 3. 修改模型配置文件直接拷贝models/detect/yolov9.yaml然后重命名为yolov9-S.yaml并做以下更改
2. 开始训练
按照需求修改train_dual.py中的以下参数 需要注意的是这里只能写成这样因为官方只给了这一个超参数设置文件 键入以下命令开始训练
python train.py --name yolov9-S3. 验证
3.1 修改val.py中的以下参数 3.2 命令验证
python val.py --name yolov9-S
