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。您可以在这里访问代码：

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CUDA、CUDNN、 Python和 PyTorch等基本依赖项，以启动您的项目。

• 免费 GPU 笔记本:
• 谷歌云：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。

评论