65 lines
2.1 KiB
Markdown
65 lines
2.1 KiB
Markdown
# Day 24 开发日志
|
||
|
||
**日期**：2025-12-30
|
||
**主题**：YOLOE 室内导盲模型训练配置
|
||
|
||
---
|
||
|
||
## 🎯 室内导盲模型训练准备
|
||
|
||
### 目标
|
||
配置并启动 YOLOE-11l-seg 模型的训练流程，用于室内导盲场景的实例分割。
|
||
|
||
### 工作内容
|
||
|
||
#### 1. 训练指南完善
|
||
- **更新文档** `NaviGlass/Yolo/室内导盲模型训练指南.md`
|
||
- 修正 PyTorch 版本：`cu121` → `cu124` (适配 CUDA 12.8 驱动)
|
||
- 简化 conda 环境名：`yoloe_blind` → `yolo`
|
||
- 指定训练 GPU：`device=1` (第二块 RTX 3090)
|
||
- 统一目录命名：`val` → `valid` (与 Roboflow 标准一致)
|
||
|
||
#### 2. 数据集选择与配置
|
||
- **放弃 COCO 格式数据集**：初始下载的 `indoor.v2i.coco-segmentation` 仅包含 `indoor/wall` 两个类别，不适合导盲任务
|
||
- **采用 Indoor Obstacle Detection v11 数据集**
|
||
- 来源：Roboflow Universe
|
||
- 规模：1440 张训练 + 57 张验证 + 54 张测试
|
||
- **8 个关键类别**：closed_door, door, elevator, escalator, footpath, obstacle, person, wall
|
||
- 格式：YOLOv11 原生格式，无需转换
|
||
|
||
#### 3. 目录结构统一
|
||
调整本地目录结构与服务器一致：
|
||
```
|
||
NaviGlass/Yolo/
|
||
├── yoloe-11l-seg.pt # 预训练权重 (67.7MB)
|
||
├── train.py # 训练脚本
|
||
├── data.yaml # 数据配置
|
||
├── 室内导盲模型训练指南.md # 文档
|
||
└── datasets/
|
||
└── indoor_obstacle/ # 数据集
|
||
├── train/
|
||
├── valid/
|
||
└── test/
|
||
```
|
||
|
||
#### 4. 训练启动
|
||
- 上传至服务器 `/home/rongye/ProgramFiles/Yolo/`
|
||
- 执行 `python train.py`
|
||
- 训练参数：
|
||
- epochs: 150
|
||
- batch: 16
|
||
- imgsz: 640
|
||
- cache: 'ram' (利用 192GB 内存)
|
||
- amp: True (混合精度加速)
|
||
|
||
### 结果
|
||
- ✅ 数据集准备完成 (Indoor Obstacle Detection v11)
|
||
- ✅ 训练指南更新完成
|
||
- ✅ 目录结构统一
|
||
- ✅ 训练已在服务器启动
|
||
|
||
### 下一步
|
||
- 监控训练进度和损失曲线
|
||
- 训练完成后导出 TensorRT 格式 (.engine)
|
||
- 集成到导盲系统进行实际测试
|