yolov5训练自己的数据集

借助博客记录一下自己训练数据集的经历

代码直接走github上面下载就行，默认现在是detect和trian都能跑通了的状态；

本人是用labelme对文件进行的标注，生成的是json文件，需要转成txt文件才能拿到yolov5上面用，具体怎么转的看我的另一篇博客。

ok下面开始创建自己的数据集；

创一个文件夹，想怎么命名放在哪都行，我在桌面上创了个mydatasets文件夹

images放置jpg文件，labels放置txt文件（LOVE_PRE目前没用到跟着另一个博主建的）

images和labels里面都分别创建train和val文件夹存放训练集和验证集；

把自己的数据集分好之后到代码里面操作

能动的大概就这些指令，

--weight 权重文件，刚开始用yolov5s.pt

--cfg  yolov5的模型，yolov5s.yaml配置文件 有能力就自己调调

--date  .yaml配置文件,下面会讲

--epoch 迭代次数，CPU跑的话调小点吧

--bath_size 多少张图后进行权重更新，一样显卡不行就调小点

创建一个自己的.yaml文件   名字自己随便取我取得mycoco.yaml嘿嘿

path: /home/lyn/Desktop/mydatasets  # dataset root dir数据集的地址
train: /home/lyn/Desktop/mydatasets/images/train  # train images 训练集图片的地址
val: /home/lyn/Desktop/mydatasets/images/val  # val images (relative to 'path')验证集图片的地址
test:  # test images (optional)

# Classes自己标注的有多少类在下面慢慢列
names: 
  0: SmallCar
  1: BigCar
  2: NonMotorVeh
  3: Cyclist
  4: R
  5: RG
  6: RR
  7: RY
  8: LR
  9: Pedestrain
  10: LY
  11: G
  12: B
  13: FR
  14: FG

 然后可以运行trian.py进行训练了

python train.py --weights yolov5s.pt  --cfg models/yolov5s.yaml  --data data/mycoco.yaml --epoch 100 --batch-size 6  --img 640   --device cpu

我是这么跑的，详细回头再说吧。