在我们的自定义数据集上可视化tensorboard结果如果你因为一些原因不能把张量可视化，可以用utils．plot＿result来绘制并保存为result．png。
你需要在验证评估分数达到其最高点处获取训练好的模型权重。可视化YOLOv5训练数据在训练过程中，我们可以可视化真实训练数据和增强后的训练数据。
我们的真实训练数据
我们的训练数据采用自动YOLOv5增强对测试图像运行YOLOv5推断现在我们利用我们训练好的模型，对测试图像进行推理。训练完成后，模型权重将保存到 weights／。推理过程，我们调用这些权重和一个指定模型置信度的conf（要求的置信度越高，预测越少）、以及一个推理源。源可以接受一个包含图像、单个图像、视频文件以及设备的网络摄像头端口的目录。对于源代码，我将testjpg移到test－infer／。！python detect．py －－weights weights／last＿yolov5s＿custom．pt －－img 416 －－conf 0．4 －－source ．．／test＿infer推理时间非常快，在我们的 Tesla P100 上，YOLOv5s 达到了每秒142帧！！
以142 FPS（0．007s／图像）的速度推断YOLOv5s最后，我们在测试图像上可视化我们的检测器推断结果。
测试图像的YOLOv5推理导出并保存YOLOv5权重以供将来推断既然我们定制的YOLOv5物体检测器已经通过验证，我们需要从Colab中取出权重，用于实时计算机视觉任务，为此我们导入一个Google驱动器模块并将其发送出去。from google．colab import drivedrive．mount（＇／content／gdrive＇）
％cp ／content／yolov5／weights／last＿yolov5s＿custom．pt ／content／gdrive／My Drive结论我们希望你可以训练属于你自己的定制YOLOv5检测器！使用 YOLOv5 非常方便，而且训练迅速，推理迅速，表现出色。让我们把它弄出来！参考链接：https：／／blog．roboflow．ai／how－to－train－yolov5－on－a－custom－dataset／
