README
20200817, yolov5发布了3.0，精度来到了49.2，加上多尺度tta后 50.8
安装
感觉这个issue, v3.0的release指向的分支有问题，所以保险起见
git clone git@github.com:ultralytics/yolov5.git
git reset --hard 916d4aa
下载weights
bash weights/download_weights.sh
不要用github里面的release来下载，太慢，用这个比较快
文件布局
yolov5的文件布局我不习惯，比如data里面放yaml, coco路径和yolov5同级，有点别扭，我改了一下，在yolov5下新建coco文件夹，如下，
coco
|-- data.yaml
`-- model.yaml
model.yaml就是yolov5x.yaml，data.yaml改了一下路径
然后进入
data/scripts，运行
bash get_coco.sh
会得到data/coco这个文件夹，和data.yaml对应上了
test
python test.py --data coco/data.yaml --weights weights/yolov5x.pt --img 640 --conf 0.001 --save-json
可以复现49.2的map，挺好
水下检测实战
python train.py --cfg underwater/model.yaml --data underwater/data.yaml --epochs 100 --weights weights/yolov5x.pt --batch-size 8
5260张 train 2*2080ti, 显存2*9300mb，6min/epoch，设置的100epoch差不多是10h，有点久
map 0.5, map50 0.847，但是同数据的universe 0.523 0.858, cas 64 4d 0.536 0.867，可能是尺度小了点，
在超算上试一下
python train.py --cfg underwater/model.yaml --data underwater/data.yaml --epochs 100 --weights weights/yolov5x.pt --batch-size 8 --cache-images
2V100(16G) 加上 cache也是6min/epoch，此时是bs8 * 2，换成bs 16 看看速度会不会加快，换成了bs 16 速度是4min/epoch，还可以，
bs4 1024 2gpu, 10min/epoch
换成4V100 bs 6，6不是4的倍数，报了错，改成了4*bs4 ，还是10min/epoch，总共跑了18h，map 0.503，搞了一点点，map50最高是0.845，欸，垃圾
trouble shooting
进度条给的map低了点
是的， 根据issue yolov5 test.py里面的评估有点问题，加上--save-json调用pycocotools来评估就可以了
