[YOLO专题-11]：YOLO V5 - ultralytics/train基于自定义图片数据集重新训练网络, 完成自己的目标检测

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122150460

---

目录

前言：

步骤1：下载对应版本的YOLO开源代码

1.1 github链接

1.2 下载

1.3 拷贝到Pycharm工程目录中

步骤2： 下载或创建自定义数据集

2.1 下载COCO128数据集（可选之一）

2.2 从其他网站下载所需要的开源数据集（可选之一）

2.3 手工制作自己的数据（可选之一）

步骤3： 组织数据集文件目录

步骤4： 为新数据集创建新配置文件或修改已有配置文件：xxxdataset.yaml

步骤5：选择模型文件

5.1 选择模型文件

5.2 预训练模型的配置文件

步骤6：用自定义数据训练模型

6.1 命令行

6.2 训练结果的输出

步骤7：手工检验模型的训练效果

---

---

前言：

为什么不使用官网的数据集进行训练呢？

主要原因有两个：

（1）COCO和VOC数据集太大，用于个人学习训练的话，时间太长，预计要1个星期才能训练完成。

（2）用YOLO进行目标检测，在多数时候，我们自己的图片数据集与YOLO官方提供的预训练模型所对应的数据集是不相同的。

主要区别在于：

• 数据集图片的种类不同，自定义图片的种类有多有少，这个差别导致需要重新定义输出层。
• 数据集图片的<