One-YOLOv5 v1.2.0发布：支持分类、检测、实例分割

One- v1.2.0正式发布。完整更新列表请查看链接：，欢迎体验新版本，期待你的反馈。
新版本特性
1. 同步了的上游分支v7.0，同时支持分类、目标检测、实例分割任务
【One-YOLOv5 v1.2.0发布：支持分类、检测、实例分割】2. 支持
3. 支持使用 wandb 对实验跟踪和可视化功能
4.
5.为每个batch的部分减少一次h2d和cpu 操作
6. 优化函数和模型滑动平均部分，大幅提升训练性能 (一块RTX 3090加速训练，时间减少11个小时，速度提升20%)
7. 兼容，训练时可以展示模型的FLOPs
(基于详解深度学习网络的 FLOPs 和 MACs 计算方案)
原图
目标检测: 目标检测是指从图像中检测出多个物体并标记它们的位置和类别。目标检测任务需要给出物体的类别和位置信息，通常使用边界框（ box）来表示。目标检测可以应用于自动驾驶、视频监控、人脸识别等领域。
图像分类: 图像分类是指给定一张图像，通过计算机视觉技术来判断它属于哪一类别。图像分类是一种有监督学习任务，需要通过训练样本和标签来建立分类模型。在图像分类中，算法需要提取图像的特征，然后将其分类为预定义的类别之一。例如，图像分类可以用于识别手写数字、识别动物、区分汽车和自行车等。
实例分割: 实例分割是指从图像中检测出多个物体并标记它们的位置和类别，同时对每个物体进行像素级的分割。实例分割要求更为精细的信息，因为它需要将物体的每个像素都分配给对应的物体。实例分割可以应用于医学影像分析、自动驾驶、虚拟现实等领域。
快速开始
安装
在>=3.7.0的环境中克隆版本仓并安装 .txt，包括或者 >=0.9.0。

git clone https://github.com/Oneflow-Inc/one-yolov5# 克隆cd one-yolov5pip install -r requirements.txt# 安装
在COCO上的精度表现 -
启动指令:

python -m oneflow.distributed.launch --nproc_per_node 4\ train.py --batch-size 128 --data coco.yaml --weights " " --cfg models/yolov5s.yaml --img 640 --epochs 300
-seg
后端启动指令

python -m oneflow.distributed.launch --nproc_per_node8\segment/train.py \--data coco.yaml \--weights ' ' \--cfg yolov5s-seg.yaml\--img 640\--batch-size 320\--device 0,1,2,4\--epochs 300\--bbox_iou_optim --multi_tensor_optimize
在COCO上的单GPU性能表现
测试环境

文章插图

- 机器( 8GPUNVIDIA GeForce RTX 3090, 24268MiB)-oneflow.__version__= '0.9.1+cu117- torch.__version__= '1.13.0+cu117'- export NVIDIA_TF32_OVERRIDE=0# PyTorch使用FP32训练 # 测试指令:# OneFlow后端pythontrain.py \--batch-size 8 \--data coco.yaml \--weights ' ' \--cfg models/yolov5s.yaml \--img 640 \--epochs 1\--bbox_iou_optim --multi_tensor_optimizepython segment/train.py \--data coco.yaml \--weights ' ' \--cfgmodels/segment/yolov5s-seg.yaml \--img 640 \--batch-size 8--epochs 1 \--bbox_iou_optim --multi_tensor_optimize # PyTorch后端:export NVIDIA_TF32_OVERRIDE=0 # 使用fp32python\train.py \--batch-size 8 \--data coco.yaml \--weights ' ' \--cfg models/yolov5s.yaml \--img 640 \--epochs 1\export NVIDIA_TF32_OVERRIDE=0 # 使用fp32python segment/train.py \--data coco.yaml \--weights ' ' \--cfgmodels/segment/yolov5s-seg.yaml \--img 640 \--epochs 1 \--batch-size 8

bug修复
以下记录了一些用户反馈的常见问题：
1. 出现满屏的误检框。