README
20200817, yolov5發(fā)布了3.0，精度來到了49.2，加上多尺度tta后 50.8
安裝
感覺這個issue, v3.0的release指向的分支有問題，所以保險起見
git clone git@github.com:ultralytics/yolov5.git
git reset --hard 916d4aa
下載weights
bash weights/download_weights.sh
不要用github里面的release來下載，太慢，用這個比較快
文件布局
yolov5的文件布局我不習慣，比如data里面放yaml, coco路徑和yolov5同級，有點別扭，我改了一下，在yolov5下新建coco文件夾，如下，
coco
|-- data.yaml
`-- model.yaml
model.yaml就是yolov5x.yaml，data.yaml改了一下路徑
然后進入
data/scripts，運行
bash get_coco.sh
會得到data/coco這個文件夾，和data.yaml對應(yīng)上了
test
python test.py --data coco/data.yaml --weights weights/yolov5x.pt --img 640 --conf 0.001 --save-json
可以復現(xiàn)49.2的map，挺好
水下檢測實戰(zhàn)
python train.py --cfg underwater/model.yaml --data underwater/data.yaml --epochs 100 --weights weights/yolov5x.pt --batch-size 8
5260張 train 2*2080ti, 顯存2*9300mb，6min/epoch，設(shè)置的100epoch差不多是10h，有點久
map 0.5, map50 0.847，但是同數(shù)據(jù)的universe 0.523 0.858, cas 64 4d 0.536 0.867，可能是尺度小了點，
在超算上試一下
python train.py --cfg underwater/model.yaml --data underwater/data.yaml --epochs 100 --weights weights/yolov5x.pt --batch-size 8 --cache-images
2V100(16G) 加上 cache也是6min/epoch，此時是bs8 * 2，換成bs 16 看看速度會不會加快，換成了bs 16 速度是4min/epoch，還可以，
bs4 1024 2gpu, 10min/epoch
換成4V100 bs 6，6不是4的倍數(shù)，報了錯，改成了4*bs4 ，還是10min/epoch，總共跑了18h，map 0.503，搞了一點點，map50最高是0.845，欸，垃圾
trouble shooting
進度條給的map低了點
是的， 根據(jù)issue yolov5 test.py里面的評估有點問題，加上--save-json調(diào)用pycocotools來評估就可以了
