One-YOLOv5 v1.2.0 发布：支持分类、检测、实例分割

作者：OneFlow

2023-03-11
重庆
本文字数：2064 字
阅读完需：约 7 分钟

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 。

git clone https://github.com/Oneflow-Inc/one-yolov5  # 克隆cd one-yolov5pip install -r requirements.txt  # 安装

复制代码

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:

python -m oneflow.distributed.launch --nproc_per_node 4  \ train.py --batch-size 128 --data coco.yaml --weights " " --cfg models/yolov5s.yaml --img 640 --epochs 300

复制代码

yolov5s-seg

OneFlow 后端启动指令

python -m oneflow.distributed.launch --nproc_per_node  8  \    segment/train.py \    --data coco.yaml \    --weights ' ' \    --cfg yolov5s-seg.yaml   \    --img 640  \    --batch-size 320    \    --device 0,1,2,4      \    --epochs 300  \    --bbox_iou_optim --multi_tensor_optimize

复制代码

4 在 COCO 上的单 GPU 性能表现

测试环境

- 机器  ( 8GPU  NVIDIA GeForce RTX 3090, 24268MiB)-  oneflow.__version__= '0.9.1+cu117- torch.__version__= '1.13.0+cu117'- export NVIDIA_TF32_OVERRIDE=0  # PyTorch使用FP32训练 

# 测试指令:# OneFlow后端python   train.py \    --batch-size 8 \    --data coco.yaml \    --weights ' ' \    --cfg models/yolov5s.yaml \    --img 640 \    --epochs 1  \    --bbox_iou_optim --multi_tensor_optimize
python segment/train.py \    --data coco.yaml \    --weights ' ' \    --cfg  models/segment/yolov5s-seg.yaml \    --img 640 \    --batch-size 8    --epochs 1 \    --bbox_iou_optim --multi_tensor_optimize 
# PyTorch后端:export NVIDIA_TF32_OVERRIDE=0 # 使用fp32python  \    train.py \    --batch-size 8 \    --data coco.yaml \    --weights ' ' \    --cfg models/yolov5s.yaml \    --img 640 \    --epochs 1  \
export NVIDIA_TF32_OVERRIDE=0 # 使用fp32python segment/train.py \    --data coco.yaml \    --weights ' ' \    --cfg  models/segment/yolov5s-seg.yaml \    --img 640 \    --epochs 1 \    --batch-size 8