roboflow / roboflow/roboflow-python

Name of validation folder for classification training (Export: Folder Structure)

Offen
#153 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Vorherrschende Sprache
Python
Sterne
629
Forks
140
Ø Merge
2 T. 2 Std.
Gemergte PRs (30 T.)
5

Beschreibung

Hi,

when exporting an image classification dataset from Roboflow as Folder Structure format with train/validation splits, the folder which contains validation images is automatically named valid. However, YOLOv5-cls training expects the validation folder to be named val (see here) and throws an error if there is only a valid folder (and no test split). I checked all Roboflow notebooks for classification training and in none of the training procedures a valid folder is actually used for validation.

If the default name for the validation split when exporting a dataset as Folder Structure format would be changed from valid to val, YOLOv5-cls classification training would work as expected, when no test split was created.

Thanks!

Beitragsleitfaden

Beitragsleitfaden öffnen

Erste Schritte

  1. Lies das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreib ins Issue, dass du es übernimmst — das erspart doppelte Arbeit.
  3. Forke das Repository und arbeite in einem Branch.
  4. Öffne einen Pull Request, der die Issue-Nummer nennt.

Rechercherichtung

Beginne damit, den Folder Structure exporter nachzuverfolgen und seine Benennung des Validierungsverzeichnisses mit der Erwartung von YOLOv5s classify/train.py zu vergleichen. Als abgeschlossen gilt dies, wenn ein Export mit train- und validation-Splits, aber ohne test-Split, ein val-Verzeichnis erzeugt, das das YOLOv5-Klassifikationstraining verwenden kann.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
python
Bereich
computer-vision, machine-learning
Issue-Typ
Bug
Schwierigkeit
3/5
Geschätzter Aufwand
1-2 Tage
Aktivitätsstatus
Veraltet
Klarheit
Größtenteils klar
Anfängerfreundlichkeit
42/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.