软硬件环境
- ubuntu 18.04 64bit
- pytorch 1.7
- cuda 11.0
- yolov5 4.0
- nvidia gtx 1070Ti
视频看这里
Youtube
Bilibili
前言
前文 yolov5 V4.0更新了啥？ 我们介绍过 yolov5 已经在本地集成了 Weights & Biases，也就是 wandb，这样就可以方便的追踪模型训练的整个过程，包括模型的性能、超参数、GPU 的使用情况、模型预测，还有数据集。说到底，wandb 就是个可视化的工具。
实操
开始之前，需要安装依赖
pip install wandb关于模型训练，前文 https://xugaoxiang.com/2020/07/02/yolov5-training/ 已经比较详细的介绍过了，这里我们直接使用前面使用过的口罩数据集进行测试。命令如下
python train.py --img 640 --batch 16 --epochs 300 --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights '' 
如果没有账号的话，就选择1在线创建；已有账号的话就选择2；不想使用 wandb 的话，就选择3。由于我已经在网页端注册过了，所以输入数字2
终端提示需要 wandb.ai 的 API Key，在浏览器中访问站点 https://wandb.ai/authorize，复制后贴到终端中
然后就开始训练了，这个过程跟前面是一模一样的
在模型训练的过程中，登录网站 https://wandb.ai/home，就可以看到训练的状态了
各项指标
GPU 的使用信息汇总
Mosaics
训练完成后，终端中会输出 wandb 相关的信息，训练好的模型保存在本地目录 runs/train 下
项目信息汇总
模型的各项性能指标，图表形式
评估模型是件非常痛苦的事。你是不是也曾经尝试过使用不同阶段训练出来的模型进行推理呢？最后再选出最优的模型呢？
现在使用 wandb 就可以很方便的达到这个目的，而且还是交互式的，下图是个例子
还有个非常有用的功能，那就是分享，你可以创建 report，然后生成网络链接分享给你的小伙伴，前提是你的项目必须是 public 的
