Roboflow 数据集

现在，您可以使用Roboflow 来组织、标注、准备、发布和托管您的数据集，以便训练YOLOv5 🚀 模型。如果您公开工作空间，Roboflow 可免费与YOLOv5 一起使用。

上传

您可以通过Web UI、REST API 或其他方式将数据上传到Roboflow 。 Python.

标签

将数据上传到Roboflow 后，您可以给数据贴标签，并查看以前的标签。

版本控制

您可以使用不同的预处理和离线增强选项制作不同版本的数据集。YOLOv5 本身就可以进行在线增强，因此在Roboflow 上进行离线增强时要有意识。

导出数据

您可以下载YOLOv5 格式的数据，以便快速开始培训。

from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")

定制培训

我们发布了一个自定义培训教程，演示了上述所有功能。您可以在此访问代码：

主动学习

现实世界是混乱的，您的模型总会遇到数据集没有预料到的情况。使用主动学习是迭代改进数据集和模型的重要策略。通过Roboflow 和YOLOv5 集成，您可以使用经过实战检验的机器学习管道快速改进模型部署。

支持的环境

Ultralytics 提供了一系列随时可用的环境，每个环境都预装了基本的依赖项，如 CUDA、CUDNN、 Python和 PyTorch等基本依赖项，以便启动项目。

• 免费GPU 笔记本:
• Google 云计算 GCP 快速入门指南
• 亚马逊 AWS 快速入门指南
• Azure.AzureML 快速入门指南AzureML 快速入门指南
• Docker: Docker 快速入门指南

项目现状

此徽章表示YOLOv5 GitHub Actions 的所有持续集成（CI）测试均已成功通过。这些 CI 测试严格检查了YOLOv5 在训练、验证、推理、导出和基准等多个关键方面的功能和性能。它们确保在 macOS、Windows 和 Ubuntu 上运行的一致性和可靠性，每 24 小时和每次新提交时都会进行一次测试。

常见问题

如何将数据上传到Roboflow 以训练YOLOv5 模型？

您可以使用三种不同的方法将数据上传到Roboflow ：通过网站、REST API 或Python 。这些选项可根据您的技术偏好或项目要求提供灵活性。数据上传后，您可以对其进行整理、标注和版本控制，为使用Ultralytics YOLOv5 模型进行训练做好准备。有关详细信息，请访问文档的上传部分。

使用Roboflow 进行数据标注和版本管理有哪些优势？

Roboflow 提供了一个全面的数据组织、标注和版本管理平台，这对高效的机器学习工作流至关重要。通过使用Roboflow 和YOLOv5 ，您可以简化数据集的准备过程，确保您的数据得到准确的注释和一致的版本控制。该平台还支持各种预处理和离线增强选项，以提高数据集的质量。如需深入了解这些功能，请参阅文档中的 "标签"和"版本"部分。

如何将数据集从Roboflow 导出为YOLOv5 格式？

将数据集从Roboflow 导出到YOLOv5 格式非常简单。您可以使用文档中提供的Python 代码片段：

from roboflow import Roboflow

rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")

该代码将以与YOLOv5 兼容的格式下载数据集，以便快速开始训练模型。更多详情，请参阅 "导出数据"部分。

什么是主动学习，它如何与YOLOv5 和Roboflow 配合使用？

主动学习是一种机器学习策略，它通过智能地选择信息量最大的数据点进行标注，从而迭代地改进模型。通过Roboflow 和YOLOv5 的集成，您可以实施主动学习，不断提高模型的性能。这包括部署模型、捕获新数据、使用模型进行预测，然后手动验证或修正这些预测以进一步训练模型。有关主动学习的更多信息，请参阅上文的 "主动学习 "部分。

如何使用Ultralytics 环境在不同平台上训练YOLOv5 模型？

Ultralytics 提供现成可用的环境，并预装了CUDA, CUDNN,Python, 和 PyTorch等预装依赖项的即用型环境，让您更轻松地启动培训项目。这些环境可用于各种平台，如Google Cloud、AWS、Azure 和 Docker。您还可以通过以下网站访问免费的GPU 笔记本 Paperspace、Google Colab 和Kaggle 访问免费笔记本。有关具体设置说明，请访问文档的 "支持的环境"部分。

📅创建于 1 年前 ✏️已更新 1 个月前

评论