googlecolabで作成したモデルのダウンロードについて

実現したいこと

yolov5を使って物体検出の練習をしたく、qiitaを参考に勉強を進めているのですが、参考記事の7.2のGoogle Colabで作成したモデルをダウンロードし、Local PCのyolov5のディレクトリ直下にコピーする。ということがよくわからないため、皆様のお力をお貸し頂きたいです。
それまでに実行したプログラムにそれらしきものも見つからず、どの部分をダウンロードをすればいいかわかりません。またディレクトリ直下にコピーするというのもどこにコピーするのかわかりません。わからないことだらけで、無礼極まりないかもしれませんが、あと少しで物体検出が出来そうなので、よろしくお願いします。

該当のソースコード

python
1!git clone https://github.com/ultralytics/yolov5
2
3＃結果
4Cloning into 'yolov5'...
5remote: Enumerating objects: 15997, done.
6remote: Counting objects: 100% (30/30), done.
7remote: Compressing objects: 100% (18/18), done.
8remote: Total 15997 (delta 19), reused 18 (delta 12), pack-reused 15967
9Receiving objects: 100% (15997/15997), 14.58 MiB | 17.05 MiB/s, done.
10Resolving deltas: 100% (10985/10985), done.
11
12!pip install -r yolov5/requirements.txt
13
14#結果
15Collecting gitpython>=3.1.30 (from -r yolov5/requirements.txt (line 5))
16  Downloading GitPython-3.1.37-py3-none-any.whl (190 kB)
17     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 190.0/190.0 kB 5.2 MB/s eta 0:00:00
18
19　　　　　～省略～
20
21
22Installing collected packages: smmap, gitdb, gitpython, ultralytics, thop
23Successfully installed gitdb-4.0.10 gitpython-3.1.37 smmap-5.0.1 thop-0.1.1.post2209072238 ultralytics-8.0.188
24
25%cd /content/yolov5
26!python train.py --img 640  --batch 20 --epochs 300 --data '/content/drive/MyDrive/goochokipar/goochokipar.yml' --name goochokipar
27
28#結果
29/content/yolov5
30train: weights=yolov5s.pt, cfg=, data=/content/drive/MyDrive/goochokipar/goochokipar.yml, hyp=data/hyps/hyp.scratch-low.yaml, epochs=300, batch_size=20, imgsz=640, rect=False, resume=False, nosave=False, noval=False, noautoanchor=False, noplots=False, evolve=None, bucket=, cache=None, image_weights=False, device=, multi_scale=False, single_cls=False, optimizer=SGD, sync_bn=False, workers=8, project=runs/train, name=goochokipar, exist_ok=False, quad=False, cos_lr=False, label_smoothing=0.0, patience=100, freeze=[0], save_period=-1, seed=0, local_rank=-1, entity=None, upload_dataset=False, bbox_interval=-1, artifact_alias=latest
31github: up to date with https://github.com/ultralytics/yolov5 ✅
32YOLOv5 🚀 v7.0-224-g6262c7f Python-3.10.12 torch-2.0.1+cu118 CUDA:0 (Tesla T4, 15102MiB)
33
34hyperparameters: lr0=0.01, lrf=0.01, momentum=0.937, weight_decay=0.0005, warmup_epochs=3.0, warmup_momentum=0.8, warmup_bias_lr=0.1, box=0.05, cls=0.5, cls_pw=1.0, obj=1.0, obj_pw=1.0, iou_t=0.2, anchor_t=4.0, fl_gamma=0.0, hsv_h=0.015, hsv_s=0.7, hsv_v=0.4, degrees=0.0, translate=0.1, scale=0.5, shear=0.0, perspective=0.0, flipud=0.0, fliplr=0.5, mosaic=1.0, mixup=0.0, copy_paste=0.0
35Comet: run 'pip install comet_ml' to automatically track and visualize YOLOv5 🚀 runs in Comet
36TensorBoard: Start with 'tensorboard --logdir runs/train', view at http://localhost:6006/
37Downloading https://ultralytics.com/assets/Arial.ttf to /root/.config/Ultralytics/Arial.ttf...
38100% 755k/755k [00:00<00:00, 21.5MB/s]
39Downloading https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5s.pt to yolov5s.pt...
40100% 14.1M/14.1M [00:00<00:00, 195MB/s]
41
42Overriding model.yaml nc=80 with nc=3
43
44                 from  n    params  module                                  arguments                     
45  0                -1  1      3520  models.common.Conv                      [3, 32, 6, 2, 2]              
46  1                -1  1     18560  models.common.Conv                      [32, 64, 3, 2]                
47  2                -1  1     18816  models.common.C3                        [64, 64, 1]                   
48  3                -1  1     73984  models.common.Conv                      [64, 128, 3, 2]               
49  4                -1  2    115712  models.common.C3                        [128, 128, 2]                 
50  5                -1  1    295424  models.common.Conv                      [128, 256, 3, 2]              
51  6                -1  3    625152  models.common.C3                        [256, 256, 3]                 
52  7                -1  1   1180672  models.common.Conv                      [256, 512, 3, 2]              
53  8                -1  1   1182720  models.common.C3                        [512, 512, 1]                 
54  9                -1  1    656896  models.common.SPPF                      [512, 512, 5]                 
55 10                -1  1    131584  models.common.Conv                      [512, 256, 1, 1]              
56 11                -1  1         0  torch.nn.modules.upsampling.Upsample    [None, 2, 'nearest']          
57 12           [-1, 6]  1         0  models.common.Concat                    [1]                           
58 13                -1  1    361984  models.common.C3                        [512, 256, 1, False]          
59 14                -1  1     33024  models.common.Conv                      [256, 128, 1, 1]              
60 15                -1  1         0  torch.nn.modules.upsampling.Upsample    [None, 2, 'nearest']          
61 16           [-1, 4]  1         0  models.common.Concat                    [1]                           
62 17                -1  1     90880  models.common.C3                        [256, 128, 1, False]          
63 18                -1  1    147712  models.common.Conv                      [128, 128, 3, 2]              
64 19          [-1, 14]  1         0  models.common.Concat                    [1]                           
65 20                -1  1    296448  models.common.C3                        [256, 256, 1, False]          
66 21                -1  1    590336  models.common.Conv                      [256, 256, 3, 2]              
67 22          [-1, 10]  1         0  models.common.Concat                    [1]                           
68 23                -1  1   1182720  models.common.C3                        [512, 512, 1, False]          
69 24      [17, 20, 23]  1     21576  models.yolo.Detect                      [3, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]]
70Model summary: 214 layers, 7027720 parameters, 7027720 gradients, 16.0 GFLOPs
71
72Transferred 343/349 items from yolov5s.pt
73AMP: checks passed ✅
74optimizer: SGD(lr=0.01) with parameter groups 57 weight(decay=0.0), 60 weight(decay=0.00046875), 60 bias
75albumentations: Blur(p=0.01, blur_limit=(3, 7)), MedianBlur(p=0.01, blur_limit=(3, 7)), ToGray(p=0.01), CLAHE(p=0.01, clip_limit=(1, 4.0), tile_grid_size=(8, 8))
76train: Scanning /content/drive/My Drive/goochokipar... 150 images, 0 backgrounds, 0 corrupt: 100% 150/150 [00:03<00:00, 44.67it/s] 
77train: New cache created: /content/drive/My Drive/goochokipar.cache
78val: Scanning /content/drive/My Drive/goochokipar.cache... 150 images, 0 backgrounds, 0 corrupt: 100% 150/150 [00:00<?, ?it/s]
79
80AutoAnchor: 3.27 anchors/target, 1.000 Best Possible Recall (BPR). Current anchors are a good fit to dataset ✅
81Plotting labels to runs/train/goochokipar/labels.jpg... 
82Image sizes 640 train, 640 val
83Using 2 dataloader workers
84Logging results to runs/train/goochokipar
85Starting training for 300 epochs...
86
87      Epoch    GPU_mem   box_loss   obj_loss   cls_loss  Instances       Size
88      0/299      4.29G    0.08276    0.03104    0.02876         19        640: 100% 8/8 [00:09<00:00,  1.16s/it]
89                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100% 4/4 [00:06<00:00,  1.67s/it]
90                   all        150        150    0.00304      0.867     0.0375     0.0114
91
92      Epoch    GPU_mem   box_loss   obj_loss   cls_loss  Instances       Size
93      1/299      4.84G     0.0828    0.03233    0.03369         30        640: 100% 8/8 [00:04<00:00,  1.97it/s]
94                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100% 4/4 [00:03<00:00,  1.10it/s]
95                   all        150        150    0.00341      0.973     0.0441     0.0101
96
97      Epoch    GPU_mem   box_loss   obj_loss   cls_loss  Instances       Size
98      2/299      4.84G    0.08341    0.02893    0.03732         21        640: 100% 8/8 [00:02<00:00,  3.28it/s]
99                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100% 4/4 [00:03<00:00,  1.16it/s]
100                   all        150        150    0.00336       0.98     0.0515     0.0114
101
102
103    
104　　　　　　　　　～省略～
105
106
107   
108
109      Epoch    GPU_mem   box_loss   obj_loss   cls_loss  Instances       Size
110    298/299      4.84G    0.01578   0.008609    0.00283         25        640: 100% 8/8 [00:02<00:00,  3.06it/s]
111                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100% 4/4 [00:03<00:00,  1.05it/s]
112                   all        150        150      0.998          1      0.995      0.901
113
114      Epoch    GPU_mem   box_loss   obj_loss   cls_loss  Instances       Size
115    299/299      4.84G    0.01695   0.008166   0.002426         27        640: 100% 8/8 [00:03<00:00,  2.38it/s]
116                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100% 4/4 [00:02<00:00,  1.49it/s]
117                   all        150        150      0.998          1      0.995      0.901
118
119300 epochs completed in 0.576 hours.
120Optimizer stripped from runs/train/goochokipar/weights/last.pt, 14.4MB
121Optimizer stripped from runs/train/goochokipar/weights/best.pt, 14.4MB
122
123Validating runs/train/goochokipar/weights/best.pt...
124Fusing layers... 
125Model summary: 157 layers, 7018216 parameters, 0 gradients, 15.8 GFLOPs
126                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100% 4/4 [00:03<00:00,  1.04it/s]
127                   all        150        150      0.998          1      0.995      0.905
128                 choki        150         50      0.999          1      0.995      0.884
129                   goo        150         50      0.999          1      0.995      0.906
130                   par        150         50      0.997          1      0.995      0.926
131Results saved to runs/train/goochokipar
132

試したこと

カメラ起動までいけたのですが、自分が作ったモデルがダウンロードできていないせいか、検出したいものは検出できませんでした。

参考にしたサイト

https://qiita.com/PoodleMaster/items/5f2cc3248c03b03821b8

jbpb0

2023/09/28 12:13 編集

> どの部分をダウンロードをすればいいかわかりません。 https://qiita.com/PoodleMaster/items/5f2cc3248c03b03821b8 の「6. 学習 Training」の「6.5：モデル生成結果」によると、「Optimizer stripped from...」の行に学習されたモデルのパスが書かれてるようです質問者さんの場合は、 > Optimizer stripped from runs/train/goochokipar/weights/last.pt, 14.4MB Optimizer stripped from runs/train/goochokipar/weights/best.pt, 14.4MB なので、google colabの「/content/yolov5/runs/train/goochokipar/weights」の「last.pt」と「best.pt」を、質問者さんのローカルパソコンにダウンロードしたらいいと思います

jbpb0

2023/09/28 12:22

> ディレクトリ直下にコピーするというのもどこにコピーするのかわかりません。質問者さんのローカルパソコンで、 https://qiita.com/PoodleMaster/items/5f2cc3248c03b03821b8 の「7. モデル移植」の「7.1：Local PC 設定」に書かれてる手順の git clone https://github.com/ultralytics/yolov5.git を実行したら、「yolov5」という名前のディレクトリができるはずなので、そのディレクトリの中にgoogle colabからダウンロードしたファイルを置きますなお、ローカルパソコンでの推論実行コマンド python detect.py --source 0 --weight best_goochokipar.pt の「best_goochokipar.pt」は、質問者さんがgoogle colabからダウンロードしたファイルの名前に合わせて変更する必要があります

gorou-0000

2023/09/29 10:30

jbpb0様コメントありがとうございます。ローカルパソコンにダウンロードする際に、私の知識不足かもしれないのですが、ダウンロードできる部分が青くなったり、クリックできるようになると思うのですが、 Optimizer stripped from runs/train/goochokipar/weights/last.pt, 14.4MB Optimizer stripped from runs/train/goochokipar/weights/best.pt, 14.4MB の部分が、ただの黒文字でダウンロードできる手段がわかりません。どうしたらダウンロードできるようになるでしょうか。よろしくお願いします。

jbpb0

2023/09/29 12:30

https://blog.kikagaku.co.jp/wordpress/wp-content/uploads/2021/03/2021-03-24_8_57_10.png で示されてるアイコンをクリックしたら、google colab上のディレクトリやファイルが参照できるので、そこから「/content/yolov5/runs/train/goochokipar/weights」を開いて、そこにある「last.pt」と「best.pt」を、 https://blog.kikagaku.co.jp/wordpress/wp-content/uploads/2021/04/%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%82%B7%E3%83%A7%E3%83%83%E3%83%88_2021-04-09_10_52_52.png と、 https://blog.kikagaku.co.jp/wordpress/wp-content/uploads/2021/04/%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B3%E3%82%B7%E3%83%A7%E3%83%83%E3%83%88_2021-04-09_10_53_01.png の手順で、ダウンロードします

gorou-0000

2023/10/05 07:47

jbpb0様返信遅れてしまってすみません。コメントありがとうございます。 jbpb0様の仰る通りのやり方でやってみたらlast.ptとbest.ptを自分のPCにダウンロードできました！ありがとうございます。しかし、私の理解力が足らずディレクトリ直下にコピーするということが分かりません。 c:\>conda create -n yolov5 python=3.8 c:\>conda activate yolov5 (yolov5) c:\>git clone https://github.com/ultralytics/yolov5.git (yolov5) c:\>cd yolov5 (yolov5) c:\yolov5>conda install pytorch torchvision -c pytorch (yolov5) c:\yolov5>pip install -U -r requirements.txt この通りにanaconda promptに打ち込むことは、出来ました。 git clone https://github.com/ultralytics/yolov5.gitの後に、yolov5のディレクトリは出来ました。教えて頂いた、そのあとのディレクトリの中にgoogle colabからダウンロードしたファイルを置きますというのはどうやって置くのでしょうか。コードとかありましたら、教えて頂きたいです。長文になってしまいすみません。一応最後までやってみましたが、 No such file or directory: 'best.pt'というエラーが出てしまいカメラすら起動できませんでした(泣)

jbpb0

2023/10/05 09:33 編集

> ディレクトリの中にgoogle colabからダウンロードしたファイルを置きますというのはどうやって置くのでしょうか。 windowsのエクスプローラでコピペ

gorou-0000

2023/10/09 07:15

jbpb0様コメントありがとうございます。どうしてもFileNotFoundError: [Errno 2] No such file or directory: 'best.pt'というエラーが出てしまってカメラが起動できないです(泣) 自分のPCのダウンロード欄には入っているのですが...

jbpb0

2023/10/09 07:18

> 自分のPCのダウンロード欄には入っているそこから「c:\yolov5」に、windowsのエクスプローラでコピペ

gorou-0000

2023/10/09 08:06

jbpb0様コメントありがとうございます。 best.ptのところを、C:\Users\Downloads\best.ptの形で実行したら、無事カメラ起動することが出来ました！！！ありがとうございます。学習させた枚数が少ないためか、gooをchokiって言いますが（笑）理解力ない私に親身になって教えて頂きありがとうございました。

jbpb0

2023/10/09 13:40

> best.ptのところを、C:\Users\Downloads\best.ptの形で実行それでもいいのですが、 https://www.fmworld.net/cs/azbyclub/qanavi/jsp/qacontents.jsp?PID=5703-9359 の手順で「best.pt」を「ダウンロード」から「c:\yolov5」にコピーすれば、コードを変えなくても実行できると思いますよ (どちらでもお好きな方で)