0

我正在尝试在我的 Raspberry Pi 4 上测试ultralytics/yolov5 (YOLO) 的准确性性能。我使用了预训练的模型yolov5m.yaml和预训练的COCO128.yaml数据集。我通过运行这个命令在这个标准的预训练 COCO 数据集上再次训练了模型 -python3 train.py --img 416 --batch 30 --epochs 20 --data coco128.yaml --weights yolov5m.pt --cfg yolov5m.yaml --name MY_YOLO在一些服务器上

并使用以下命令在 Raspberry Pi 4 上对此进行了测试 -python3 test.py --data cco128.yaml --weights yolov5m.pt

我得到的 MAP 值为6.39e-05

               Class     Images     Labels          P          R     mAP@.5
                 all        128        929   3.53e-05    0.00201   6.39e-05   6.39e-06
Speed: 12.4ms pre-process, 3827.1ms inference, 3.3ms NMS per image at shape (32, 3, 640, 640)
Results saved to runs/test/exp4

而如果我在服务器上运行相同的值，我得到的 MAP 值为0.76，这是最好的值

               Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95: 100%|████████████████████| 4/4 [00:03<00:00,  1.05it/s]
                 all        128        929      0.721      0.692       0.76      0.484
Speed: 0.3ms pre-process, 7.1ms inference, 2.8ms NMS per image at shape (32, 3, 640, 640)
Results saved to runs/test/exp

我不确定为什么在我的 Raspberry Pi 4 上没有获得相同的 MAP 值。有人可以帮我解决这个问题，我将非常感谢他们。谢谢！

4

0 回答 0