1. Veri kümesinin hazırlanması: Ek açıklamaların YOLO algılama formatında olduğundan emin olun 1.
2. KFold nesnesinin oluşturulması:

   sklearn.model_selection

   kütüphanesinden

   KFold

   sınıfı kullanılarak,

   shuffle=True

   ve

   random_state

   parametreleriyle bir nesne oluşturulur 13.
3. Veri kümesinin bölünmesi:

   KFold

   nesnesi kullanılarak veri kümesi,

   k

   sayıda eşit parçaya bölünür 13.
4. Modelin eğitilmesi: YOLO modeli, oluşturulan her bir veri kümesi üzerinde eğitilir 1.

import random
from sklearn.model_selection import KFold

random.seed(0)  # tekrarlanabilir sonuçlar için
k = 5  # kat sayısı
kf = KFold(n_splits=k, shuffle=True, random_state=20)
kfolds = list(kf.split(labels_df))  # veri kümesi k parçaya ayrılır
Kopyala