質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.44%
YOLO

YOLOとは、画像検出および認識用ニューラルネットワークです。CベースのDarknetというフレームワークを用いて、画像や動画からオブジェクトを検出。リアルタイムでそれが何になるのかを認識し、分類することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Qiita:Team

Qiita:Teamは、社内向けの情報共有ツールです。Markdown記法に対応しており、プレーンテキストを容易に書くことができます。また、日報や議事録などの投稿用テンプレート作成も簡単です。さらに、コメント機能やメンション機能も搭載されています。

Q&A

1回答

633閲覧

googlecolabで作成したモデルのダウンロードについて

gorou-0000

総合スコア5

YOLO

YOLOとは、画像検出および認識用ニューラルネットワークです。CベースのDarknetというフレームワークを用いて、画像や動画からオブジェクトを検出。リアルタイムでそれが何になるのかを認識し、分類することができます。

Google Colaboratory

Google Colaboratoryとは、無償のJupyterノートブック環境。教育や研究機関の機械学習の普及のためのGoogleの研究プロジェクトです。PythonやNumpyといった機械学習で要する大方の環境がすでに構築されており、コードの記述・実行、解析の保存・共有などが可能です。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Qiita:Team

Qiita:Teamは、社内向けの情報共有ツールです。Markdown記法に対応しており、プレーンテキストを容易に書くことができます。また、日報や議事録などの投稿用テンプレート作成も簡単です。さらに、コメント機能やメンション機能も搭載されています。

0グッド

0クリップ

投稿2023/09/28 08:42

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

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

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。
guest

回答1

0

リンク先には

今回は、下記にモデルが出来上がっていました。
「/content/yolov5/runs/exp2_goochokipar/weights/best_goochokipar.pt」

とありますので、同じ手順でやっているのであれば、同じ場所にあると思います。

投稿2023/09/28 09:03

TakaiY

総合スコア12917

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.44%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問