博客 / 詳情

返回

吳恩達深度學習課程四：計算機視覺 第三週：檢測算法 課後習題和代碼實踐

此分類用於記錄吳恩達深度學習課程的學習筆記。
課程相關信息鏈接如下：

  1. 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai
  2. github課程資料，含課件與筆記:吳恩達深度學習教學資料
  3. 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案

本篇為第四課第三週的課後習題和代碼實踐部分。

1.理論習題

【中英】【吳恩達課後測驗】Course 4 -卷積神經網絡 - 第三週測驗
習題都較為簡單，就不再多説了，還是把重點放在下面的演示部分。

2.代碼實踐

YOLO車輛識別實戰
同樣先擺上這位博主的鏈接，在這周的編程作業中，這位博主手動構建了YOLO網絡及其各個組件，非常詳細，但同樣因為 Keras 如今已經被 TF 的集成，如果要進行相應實踐，需要調整相應的導庫代碼和一些方法的調用。

我們仍然使用較成熟的框架來演示一下 YOLO 算法，只是這次我們既不用 PyTorch ，也不用TF。
我們這次要使用的庫叫做 ultralytics，是 YOLO 官方團隊維護的 Python 包。
無論是使用 YOLO 進行學術實驗，還是競賽打榜，ultralytics 都被廣泛使用，如果説 PyTorch 和 TF 提供的是造模型的積木，那麼 ultralytics 就是針對 YOLO 算法的專精機器。
你可以直接通過 pip 安裝這個包：

pip install ultralytics

ultralytics 畢竟是一個首次使用的全新庫，因此，本篇我會使用一個極小的 demo 數據集，主要演示一下 ultralytics 的使用流程。

2.1 demo 數據集:COCO8

在目標檢測領域，COCO（Common Objects in Context） 是目前使用最廣泛、影響力最大的標準數據集之一。
它以複雜真實場景為特點，強調多目標共存、小目標比例高以及目標與背景強耦合，長期以來被作為目標檢測算法的重要評測基準。
標準的 COCO 數據集規模龐大，僅 2017 版本就包含超過 11 萬張訓練圖像，覆蓋 80 個常見物體類別，完整下載、預處理與訓練成本都較高。因此，儘管 COCO 非常適合用於嚴肅的算法研究與性能對比，但對於初學者上手門檻偏高。
image.png
為了解決這一問題，Ultralytics 官方提供了一個用於演示和教學的極簡數據集 —— COCO8。
COCO8 本質上是從 COCO 數據集中抽取出的一個最小化子集，在保持 COCO 數據格式與標註規範完全一致的前提下，將數據規模壓縮到了極低的水平。目前的 COCO8 僅包含 8 張圖像，通常劃分為 訓練集 4 張、驗證集 4 張，並覆蓋 COCO 中的若干典型目標類別。

這種設計使得 COCO8 具備兩個非常突出的特點：
一方面，它可以在數秒內完成下載，並在極短時間內跑完一次完整的訓練流程；另一方面，它又完整保留了真實 COCO 數據集在目錄結構、標註格式與訓練接口上的一致性。
因此，COCO8 的核心用途並不是訓練一個性能良好的檢測模型，而是用於：快速驗證 ultralytics 的安裝與環境配置是否正確、流程是否正常並演示 YOLO 的訓練、驗證與推理的完整閉環。
需要特別説明的是，由於數據規模極小，COCO8 上得到的指標也不具備統計意義，也不反映模型的實際檢測能力。它的價值更多體現在“流程驗證”和“使用示例”層面。

2.2 使用 ultralytics 實現 YOLO 算法

先來看這樣一段代碼：

from ultralytics import YOLO  
model = YOLO("yolo11n.pt")
results = model.train(  
    data="coco8.yaml",   
    epochs=50,             
    imgsz=640,             
    batch=16,            
    name="coco8_train",  
    device="cpu"           
)  
metrics = model.val(device="cpu")
print("mAP50-95:", metrics.box.map)   
print("mAP50:", metrics.box.map50)

要説明的是：這就是在 ultralytics 上實現 YOLO 算法的完整代碼，包括創建模型、輸入數據、模型傳播、指標評估甚至包括可視化圖表。

是的，這便是 ultralytics 的顯著特點，它的封裝度極高。
這代表我們使用起來可以較容易地跑通代碼，但同時也意味着隱藏了大量細節，想要熟練應用，就要慢慢拆解。

現在，我們就來詳細看看這段代碼的運行細節：

（1） 模型定義

首先，定義模型：

model = YOLO("yolo11n.pt") # 這裏傳入的是預訓練權重文件名，.pt文件是 PyTorch 的權重格式。

YOLO 是 ultralytics 提供的統一模型接口類，它可以根據傳入的參數，加載不同版本的 YOLO 模型（如 YOLOv8、YOLO11 等），它封裝了模型的所有關鍵邏輯。
要説明的是，YOLO 模型權重文件通常遵循如下命名規則：
在 ultralytics 最新版本中，YOLO 模型權重文件通常遵循如下命名規則：

yolo[版本號][模型大小].pt

版本號表示 YOLO 的算法版本或 ultralytics 發佈的迭代版本。
模型大小 表示模型的參數量與計算複雜度，也是速度和精度的折中指標：

  • n = nano → 極小模型，參數少，推理快，適合演示和入門
  • s = small → 小型模型，參數稍多，精度和速度平衡
  • m = medium → 中等模型，精度更高，訓練和推理開銷也增大
  • l = large → 大模型，高精度，訓練和推理成本高
  • x = extra large → 超大模型，精度最高，但訓練成本最大

同時，你會發現，只要我們傳入 .pt 結尾的權重文件作為參數，那就代表我們使用的是預訓練模型。
而如果你希望從頭訓練自己的模型，就要改變傳入參數：

# 從頭創建模型，不加載預訓練權重
model = YOLO("yolov8n.yaml")  # 只指定網絡結構 YAML，不是 .pt 文件

（2） 訓練方法

瞭解完模型定義後，現在就來看看傳入方法

results = model.train(...)

這一行是整個流程的核心。調用 train() 方法後，ultralytics 會自動完成一次完整的目標檢測訓練流程。
從宏觀上看，這一行代碼內部依次完成了以下工作：

  • 讀取並解析 coco8.yaml 數據集配置文件
  • 根據配置構建訓練集與驗證集的數據加載器
  • 加載預訓練權重並初始化模型參數
  • 按照指定的訓練輪數執行前向傳播、損失計算與反向傳播
  • 在訓練過程中自動記錄 loss、mAP 等指標，並生成可視化結果

也就是説，我們在代碼中看到的只是一次函數調用，但在其背後，實際上已經包含了一個標準深度學習訓練框架所需的完整流程。

下面，我們再展開看看這個方法的參數設置：

data="coco8.yaml" # Ultralytics 內置的 COCO8 配置，首次運行自動下載數據集

這一參數用於指定數據集的配置文件。
與之前在代碼中手動構建 Dataset 和 DataLoader 不同，ultralytics 採用 YAML 文件（你可以理解為專用設定集） 來描述數據集的路徑、類別數量以及類別名稱。
通過這種方式，模型與數據集實現瞭解耦： 同一套訓練代碼可以通過更換 YAML 文件，直接應用到不同的數據集上，而無需修改模型或訓練邏輯。

再來看看它的運行時的細節：
image.png

繼續看下面幾個參數：

epochs=50,           # 訓練輪次 
imgsz=640,           # 圖像大小  
batch=16,            # 批次大小  
name="coco8_train",  # 實驗名稱
device="cpu"         # 如果有 GPU 用 0，或 "cuda"；無 GPU 用 "cpu"

這些我們都比較熟悉了，要專門説的一點是：
name="coco8_train" 指定了本次訓練實驗的名字，ultralytics 會根據這個名字創建一個文件夾來保存訓練輸出。每個實驗名對應一個獨立的訓練結果目錄，方便管理。
我們後面展示運行結果時就會再次用到它。

（3）評估方法

同樣，這一方法被高度封裝：

metrics = model.val(device="cpu") # 默認使用GPU，因此，如果沒有GPU，要顯式指定CPU。
print("mAP50-95:", metrics.box.map)    
print("mAP50:", metrics.box.map50)

這是 ultralytics YOLO 提供的驗證接口, 它在內部做了這些關鍵步驟：

  1. 讀取並加載驗證集：如果有緩存（.cache 文件），會加快數據載入。
  2. 模型前向傳播：自動使用非極大值抑制篩選重複框。
  3. 計算指標：返回的 metrics 對象中包含了不同類型的指標數據。

於是，我們便可以直接打印 metrics 對象中的指標。

現在，瞭解了框架本身後，我們來看看運行效果和其過程中的細節。

2.3 在 coco8 上運行 YOLO 算法

YOLO 的模型時至今日仍在不斷地更新，我們使用的 YOLOv11 的網絡結構如下：
image.png
它集成了很多的先進技術，非常複雜，目前階段，我們理解 YOLO 算法的基礎原理就好。

現在，我們來看看代碼的運行過程：

（1）控制枱輸出內容

當代碼成功開始運行後，你會發現在輪次信息前，控制枱就輸出了很多內容。這些其實是在訓練開始時的標準日誌，它主要是在做訓練前的準備、模型初始化、數據檢查和優化器配置。
我們簡單看一看：
image.png
image.png
image.png

直到這裏，模型才完成前期準備工作，開始正式訓練。
同樣，ultralytics 對訓練信息的輸出也十分豐富：
image.png

別急，還沒完，在結束訓練後，ultralytics 還會給你做一些”善後和總結“：
image.png
image.png

顯然，這裏的指標較高是預訓練的成果。
這一整套下來，你會發現，不同於我們原本自己打印的輸出結果，ultralytics 對訓練日誌的記錄和管理非常完備，而且還不僅僅侷限於控制枱輸出。
我們繼續往下：

（2）日誌文件夾

在完成訓練後，你會發現，運行文件的同級目錄中新出現了一個名為 runs 的文件夾，這就是ultralytics用來管理日誌的文件夾。
image.png
image.png
這樣的管理方式也更方便我們的溯源和調試。

我們這次實踐內容就到這裏，實際上，與其説本篇是在演示 YOLO 算法，倒不如説是對 ultralytics 的使用介紹。主要原因是 YOLO 算法作為真正流行的算法，其使用的各項技術和原理已經可以出本書了，我們這裏只將其作為計算機視覺中的一個方向來介紹一些基礎內容。

實際上還有很多內容可以展開，比如在訓練日誌裏出現的一些專業圖表的含義，以及檢測任務的幾個評估指標，這些我們之後遇到再慢慢説。

AI
user avatar
0 位用戶收藏了這個故事！

發佈 評論

Some HTML is okay.