YOLOv5上手初体验及问题解决

python基础环境的配置

1、推荐先使用Anaconda中为conda中配置一个专用的环境

在Anaconda控制台中输入：conda create --name newName python=3.11

需要注意：cuda要求python版本必须大于3.10

2、安装cuda

直接在Nvidia官网下载安装包即可，速度还不错

CUDA Toolkit 12.4 Update 1 Downloads | NVIDIA Developer

3、配置YOLOv5文件

快速上手YOLOv5：新手教程-CSDN博客文章浏览阅读1.1k次，点赞27次，收藏11次。本教程将通过实验的形式，带领你快速掌握 YOLOv5 目标检测模型的训练过程。注：本次实验是在window环境下进行，且默认已经配置好python环境。https://blog.csdn.net/m0_63292184/article/details/136963850?spm=1001.2014.3001.5501

错误排查

问题一：字符编码报错

GitHub提供的YOLOv5文件中存在表情及一些特殊符号，python的字符编码可能无法覆盖

解决：只需要删除 ./yolov5-6.0\train.py 文件中带🚀和表示文件关系的注释内容即可

UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0x80 in position 198: illegal multibyte sequence_data = self.stream.read(size) unicodedecodeerror: -CSDN博客

问题二：N卡驱动版本与CUDA版本不匹配

Nvida自动更新后，安装的旧版本CUDA不再支持，使用cuda:0训练出现错误，cpu训练正常

解决：找到对应版本进行安装英伟达（NVIDIA）显卡、驱动版本与cuda版本对应关系_cuda和驱动的对应-CSDN博客

装好之后就可以使用gpu训练了

问题三：未配置环境变量

使用cuda前需要检查cuda的四个环境变量，才能使用相对路径命令。

解决：如果缺失在path下添加

问题四：attributeerror: 'FreeTypeFont' object has no attribute 'getsize'

YOLOv5中使用的Pillow中的getsize，安装了新版本的 Pillow (10)删除了此功能

解决：在命令行中使用 pip install Pillow==9.5 降级到 Pillow 9.5 解决了该问题

 运行及查看结果集

运行train.py文件

显卡正常识别

上图为使用gpu训练时的资源占用，如果cpu利用率>90% && gpu利用率<20%，说明没有使用gpu训练，检查环境配置及变量是否选择正确。

查看训练结果

在控制台能看到随着训练的进行结果的变化

训练结束后在 .\yolov5-6.0\runs\train 路径下查看运行结果

 结果解析

obj_loss反应模型检测目标存在与否的能力，cls_loss反应模型检测准确性

当val部分的loss曲线明显还有下降的趋势，表示模型欠拟合，模型训练失败。

解决：可以增加epochs的大小（增加模型的训练时间），或者在hyp文件处提高学习率（学习率过高可能导致训练过程不稳定，过拟合，甚至无法收敛）

当val部分的loss曲线明显先下降后上升，表示模型过拟合，模型训练失败。

解决：可以减少epochs的大小、降低学习率或者降低最终学习率。如果上述方法都没有解决过拟合问题，很可能是因为数据集出现问题，需要检查数据集。（是否有空的.txt文件，.txt的类别index是不是错了，标注的时候是不是标了重叠的框框）

我们重点关注val/*_loss部分

基本符合下降趋势没有反转，末端平稳的要求