SkyLi
fd1a5f4050
- Add YOLO-based infrared thermal image detection system - Add dataset configuration (dataset.yaml) with 12 equipment classes - Add training, validation and detection scripts - Add temperature feature extraction and fault diagnosis modules - Update README and CLAUDE.md with correct dataset paths - Optimize .gitignore to track dataset.yaml while ignoring large data files
107 lines
2.3 KiB
Markdown
107 lines
2.3 KiB
Markdown
# 新项目初始化提示词
|
|
|
|
---
|
|
|
|
## 项目背景
|
|
|
|
这是一个从已有项目复制的新工作区。基础代码（src/, scripts/）已准备好，但需要适配新的YOLO格式数据集并重新训练模型。
|
|
|
|
---
|
|
|
|
## 任务清单
|
|
|
|
### 1. 环境验证
|
|
|
|
首先验证GPU环境是否正常：
|
|
|
|
```bash
|
|
uv run python scripts/test_cuda.py
|
|
```
|
|
|
|
### 2. 准备新数据集
|
|
|
|
将你的YOLO格式数据集放入 `data/` 目录：
|
|
|
|
```
|
|
data/
|
|
└── 你的数据集/
|
|
├── dataset.yaml # 你的数据集配置
|
|
├── images/
|
|
│ ├── train/ # 训练图像
|
|
│ └── val/ # 验证图像
|
|
└── labels/
|
|
├── train/ # 训练标签
|
|
└── val/ # 验证标签
|
|
```
|
|
|
|
### 3. 更新数据集配置
|
|
|
|
编辑 `data/你的数据集/dataset.yaml`，确保类别名称和数量正确：
|
|
|
|
```yaml
|
|
path: /完整路径/2BaseOnYOLO_InfraredData/data/你的数据集
|
|
train: images/train
|
|
val: images/val
|
|
|
|
nc: 你的类别数量
|
|
names: ['类别1', '类别2', ...]
|
|
```
|
|
|
|
### 4. 更新项目文档
|
|
|
|
根据新数据集更新以下文件：
|
|
- `README.md` - 更新类别信息
|
|
- `PROGRESS.md` - 重置进度记录
|
|
|
|
### 5. 训练模型
|
|
|
|
```bash
|
|
uv run python scripts/train.py train \
|
|
--data data/你的数据集/dataset.yaml \
|
|
--model-size n \
|
|
--epochs 50 \
|
|
--device 0
|
|
```
|
|
|
|
### 6. 验证模型
|
|
|
|
```bash
|
|
uv run python scripts/train.py validate \
|
|
--model runs/detect/models/train/infrared_fault/weights/best.pt \
|
|
--data data/你的数据集/dataset.yaml
|
|
```
|
|
|
|
### 7. 提交代码
|
|
|
|
```bash
|
|
git add -A
|
|
git commit -m "完成数据集适配和新模型训练"
|
|
```
|
|
|
|
---
|
|
|
|
## 注意事项
|
|
|
|
1. **数据集路径**: 确保dataset.yaml中的path是完整绝对路径
|
|
2. **类别数量**: 确保nc值与names列表长度一致
|
|
3. **标签格式**: YOLO格式为 `class_id x_center y_center width height`（归一化）
|
|
4. **训练时间**: 50 epochs大约需要5-10分钟（取决于GPU）
|
|
|
|
---
|
|
|
|
## 常用命令参考
|
|
|
|
```bash
|
|
# 安装依赖
|
|
uv sync
|
|
|
|
# 训练
|
|
uv run python scripts/train.py train --data <yaml路径> --model-size n --epochs 50 --device 0
|
|
|
|
# 验证
|
|
uv run python scripts/train.py validate --model <模型路径> --data <yaml路径>
|
|
|
|
# 导出模型
|
|
uv run python scripts/train.py export --model <模型路径> --format onnx
|
|
```
|