One-YOLOv5 v1.2.0 发布:支持分类、检测、实例分割
One-YOLOv5 v1.2.0 正式发布。完整更新列表请查看链接:https://github.com/Oneflow-Inc/one-yolov5/releases/tag/v1.2.0,欢迎体验新版本,期待你的反馈。
1
新版本特性
1. 同步了 Ultralytics YOLOv5 的上游分支 v7.0,同时支持分类、目标检测、实例分割任务
2. 支持 flask_rest_api
3. 支持使用 wandb 对实验跟踪和可视化功能
4. oneflow_hub_support_pilimage
5.为每个 batch 的 compute_loss 部分减少一次 h2d 和 cpu slice_update 操作
6. 优化 bbox_iou 函数和模型滑动平均部分,大幅提升训练性能 (一块RTX 3090加速训练YOLOv5s,时间减少11个小时,速度提升20%)
7. 兼容 FlowFlops,训练时可以展示模型的 FLOPs
(基于 Flowflops 详解深度学习网络的 FLOPs 和 MACs 计算方案)
2
快速开始
安装
在 Python>=3.7.0 的环境中克隆版本仓并安装 requirements.txt,包括 OneFlow nightly 或者 oneflow>=0.9.0 。
检测模型训练示例:https://start.oneflow.org/oneflow-yolo-doc/tutorials/03_chapter/quick_start.html#_4
分割和分类模型训练示例:https://start.oneflow.org/oneflow-yolo-doc/tutorials/03_chapter/model_train.html
3
在 COCO 上的精度表现
yolov5s-default
启动指令:
yolov5s-seg
OneFlow 后端启动指令
4
在 COCO 上的单 GPU 性能表现
测试环境
5
bug 修复
以下记录了一些用户反馈的常见问题:
1. 出现满屏的误检框。
可能到原因场景太单一,泛化不够 ,更多可见我们关于如何准备一个好的数据集的介绍或者导出 ONNX 模型进行部署时代码有错误。
2. 让 batch 维度可以动态,加了 dynamic 参数?
暂时不支持该参数,可以自己编辑 ONNX 模型。相关教程请参考:https://github.com/Oneflow-Inc/one-yolov5/releases/download/v1.2.0_/openmmlab.pptx
3. 模型导出 onnx 时,出现 /tmp/oneflow_model322 类似报错。
OneFlow 新老版本兼容性问题。这是旧版本创建的文件但是没清理,删除就可以解决。
4. 为训练过程 loss、map、检测框等可视化适配了 wandb(https://start.oneflow.org/oneflow-yolo-doc/tutorials/03_chapter/intro_to_wandb.html)
5. CUDA_VISIBLE_DEVICES 环境变量设置放在 import oneflow 之后会失败,导致 device 选择失败,可以通过 export CUDA_VISIBLE_DEVICES=1 手动控制。
6. autobatch 功能
OneFlow 缺少 memory_reserved API,我们会尽快补齐,现在需要先手动指定下 batch_size。下个版本将会解决并且会直接支持导出 batch 维度为动态的模型。
下个版本的展望
继续提升 One-YOLOv5 单卡模式的训练速度
解决目前训练时显存比 Ultralytics 偏大的问题
CPU 模式下支持 ONNX 模型的导出
OneFlow 研发的 amp train 目前已经开发完成正在测试中,下个版本将合并进 main 分支
autobatch 功能
常用预训练模型下载列表
其他人都在看
欢迎 Star、试用 OneFlow 最新版本:https://github.com/Oneflow-Inc/oneflow/
版权声明: 本文为 InfoQ 作者【OneFlow】的原创文章。
原文链接:【http://xie.infoq.cn/article/3a856e06277be46d12ca35833】。文章转载请联系作者。
评论