《深度学习之kaggle》：五、字符分类-基于yolo5s权重的训练【是否过拟合？】

      经过5天5夜的训练，终于在昨晚训练完毕，以下是训练结果：

python train.py  --batch 16 --epochs 300 --data ../Dataset/Digitls/data.yaml  --cfg models/yolov5s.yaml --weights yolov5s.pt   --workers 0    

    

     这下，咱们可以去国内竞技场“拳打南山敬老院，脚踩北海幼儿园！”哈哈哈

      下次训练，为充分利用GPU资源，请教显示器DP线插入主板后面，使用CPU集显显示win10图形界面，让GPU专注于CUDA加速。

结果测试：

我们在detect.py主函数前面设置命令行参数

opt.source = '../Kaggle1/mchar_test_a/mchar_test_a'
# opt.source = '1'
opt.weights = 'best.pt'
opt.output = 'Result'  # 效果图保存文件夹

测试的结果保存到了工程目录下的Result文件夹

       这个文件夹中，其实只有39898个文件，而测试文件有40000个，表明有些样本图被漏检了。但是提交结果要求你给出这40000张图的测试结果，

所以对于漏检的，需要表示出来。这里使用GetFileList.bat脚本生成结果文件路径，方便批量读取每一张图测试结果。

fileList.txt：

F:yolov5-0826Result00000.txt
F:yolov5-0826Result00001.txt
F:yolov5-0826Result00002.txt
F:yolov5-0826Result00003.txt
F:yolov5-0826Result00004.txt
F:yolov5-0826Result00005.txt
F:yolov5-0826Result00006.txt
F:yolov5-0826Result00007.txt
F:yolov5-0826Result00008.txt
F:yolov5-0826Result00009.txt
F:yolov5-0826Result00010.txt
   ......

       下面编写生成40000张图测试结果的csv文件，csv文件大概内容如图：

import pandas as pd

# 构建一个 size = 40000的list，每个元素是文件名
# 下面遍历文件名，如果找到漏检那就写入"0123"

total_file_name_list = []

for i in range(40000):
    six_zeros = "000000"
    six_zeros += str(i)
    total_file_name_list.append(six_zeros[-6:])
    # print(six_zeros[-6:])

file = open("F:yolov5-0826\Result\fileList.txt", "r")
file_lines = file.readlines()

test_label_pred = []  # list 所有预测值

j = 0

for file_line in file_lines:
    # 获取每一个标签的路径
    file_line_ = file_line.replace('
', '')
    # print("file_line_ = ", file_line_)

    # 读取标签信息
    file_label = open(file_line_, "r")
    file_label_lines = file_label.readlines()

    # sample
    img_name = file_line_[22:28]  # get name of file index, eg:000000

    # 死循环，循环结束条件：找到与img_name相等的文件名
    while total_file_name_list[j] != img_name:
        test_label_pred.append("0123")
        j = j + 1

    # 安矩形框顶点x坐标进行排序
    # ['1 0.95625 0.510204 0.1375 0.612245 
',
    #  '5 0.375   0.479592 0.175  0.632653 
',
    #  '9 0.54375 0.469388 0.1875 0.653061 
']
    file_label_lines.sort(key=lambda file_label_lines: file_label_lines[2:9])
    print(file_label_lines)

    # label
    predict_val = ""
    for file_label_line in file_label_lines:
        predict_val += file_label_line[0]  # 0 - 9

    test_label_pred.append(predict_val)
    j = j + 1
    print('-----------------')

file.close()

# save to csv
# note：需要提前准备好文件，这里保存操作其实就是修改其中内容
df_submit = pd.read_csv('mchar_sample_submit_A.csv')
df_submit['file_code'] = test_label_pred
df_submit.to_csv('submit.csv', index=None)

print("over")

 阿里天池提交文件问题：例如一张图中，从左到右出现字符顺序是 “019”，那么你提交的顺序也必须是019，不能是诸如910，901，091之类的，否则断定你预测为错误的。

当前排名13名，好了，稍后使用AI加速卡训练yolo5x模型试一试。