如何使用来自PyTorch的"Pythonic“PyTorch

Question

我对训练YOLOv5模型很感兴趣。目前，我正在使用Roboflow对数据进行注释并将其导出为YOLOv5格式。我还将Roboflow的Colab笔记本用于YOLOv5。

但是，我并不熟悉Roboflow Colab笔记本中使用的许多命令。我在这里上发现，似乎有一种更"Pythonic“的方式来使用和操作YOLOv5模型，这一点我会更熟悉。

我对此的问题如下：

1. 有什么在线资源可以告诉我如何在使用"Pythonic“版本从YOLOv5导入模型后如何训练PyTorch并提取结果(也许StackOverflow上的代码片段会有所帮助)？我可以找到的官方文档(这里)也使用了模型的“非Pythonic”方法。
2. 如果切换到这种使用YOLOv5的"Pythonic“方法，我会失去什么重要的功能吗？
3. 我在文档中没有发现与之相反的东西，但是我是否需要以与Roboflow不同的格式导出数据才能训练"Pythonic“模型呢？
4. 与问题1类似，是否有任何地方可以指导我如何在测试图像上使用经过训练的模型？我只是做prediction=model(my_image.jpg)吗？如果我希望同时对多幅图像进行预测呢？

如有任何指导，将不胜感激。谢谢!

Answer 1

您可以使用超解析的GitHub存储库来做您想做的事情；如果您想了解这个过程，请查看train.py文件以获得更好的理解。没有一个直截了当的解释，你只需要自己学习。

对于培训:如果您想自己编写代码，它将需要大量的ML知识；这就是为什么train.py存在的原因，test.py和export.py也是如此。