在我們的自定義數(shù)據(jù)集上可視化tensorboard結(jié)果如果你因?yàn)橐恍┰�因不能把張量可視化，可以用utils．plot＿result來(lái)繪制并保存為result．png。

你需要在驗(yàn)證評(píng)估分?jǐn)?shù)達(dá)到其最高點(diǎn)處獲取訓(xùn)練好的模型權(quán)重�？梢暬痀OLOv5訓(xùn)練數(shù)據(jù)在訓(xùn)練過程中，我們可以可視化真實(shí)訓(xùn)練數(shù)據(jù)和增強(qiáng)后的訓(xùn)練數(shù)據(jù)。

我們的真實(shí)訓(xùn)練數(shù)據(jù)

我們的訓(xùn)練數(shù)據(jù)采用自動(dòng)YOLOv5增強(qiáng)對(duì)測(cè)試圖像運(yùn)行YOLOv5推斷現(xiàn)在我們利用我們訓(xùn)練好的模型，對(duì)測(cè)試圖像進(jìn)行推理。訓(xùn)練完成后，模型權(quán)重將保存到 weights／。推理過程，我們調(diào)用這些權(quán)重和一個(gè)指定模型置信度的conf（要求的置信度越高，預(yù)測(cè)越少）、以及一個(gè)推理源。源可以接受一個(gè)包含圖像、單個(gè)圖像、視頻文件以及設(shè)備的網(wǎng)絡(luò)攝像頭端口的目錄。對(duì)于源代碼，我將testjpg移到test－infer／。！python detect．py －－weights weights／last＿yolov5s＿custom．pt －－img 416 －－conf 0．4 －－source ．．／test＿infer推理時(shí)間非�？�，在我們的 Tesla P100 上，YOLOv5s 達(dá)到了每秒142幀�。�

以142 FPS（0．007s／圖像）的速度推斷YOLOv5s最后，我們?cè)跍y(cè)試圖像上可視化我們的檢測(cè)器推斷結(jié)果。

測(cè)試圖像的YOLOv5推理導(dǎo)出并保存YOLOv5權(quán)重以供將來(lái)推斷既然我們定制的YOLOv5物體檢測(cè)器已經(jīng)通過驗(yàn)證，我們需要從Colab中取出權(quán)重，用于實(shí)時(shí)計(jì)算機(jī)視覺任務(wù)，為此我們導(dǎo)入一個(gè)Google驅(qū)動(dòng)器模塊并將其發(fā)送出去。from google．colab import drivedrive．mount（＇／content／gdrive＇）
％cp ／content／yolov5／weights／last＿yolov5s＿custom．pt ／content／gdrive／My Drive結(jié)論我們希望你可以訓(xùn)練屬于你自己的定制YOLOv5檢測(cè)器！使用 YOLOv5 非常方便，而且訓(xùn)練迅速，推理迅速，表現(xiàn)出色。讓我們把它弄出來(lái)！參考鏈接：https：／／blog．roboflow．a(chǎn)i／how－to－train－yolov5－on－a－custom－dataset／