yolov5代码

一：运行train.py

在train.py文件，在前面的地方，加入os.environ["GIT_PYTHON_REFRESH"] = "quiet" 

在我下载的yolov5的代码里，我并没有看见import os

训练YOLOv5模型遇到的问题及解决办法

二：划分数据集

建立datasets文件夹，放入images和Annotions文件夹，里面放好图片和标注的文件（txt），在建立一个空的文件夹ImageSets，放入一会儿划分的数据集

具体如何划分：

【yolov5】将标注好的数据集进行划分（附完整可运行python代码）

但这几行代码需要修改，

• file_path： 图片所在位置，就是image文件夹
• xml_path： 标签所在位置，就是Annotation文件夹
• new_file_path： 划分后三个文件的保存位置，就是ImageSets文件夹
• 最后一行是设置划分比例，这里的比例分配大家可以随便划分，我选取的是7:1:2。

三：修改配置文件

1.修改数据集配置文件

在data文件夹下，建立自己数据的yaml文件，按照自己的数据集修改

注意：冒号后面需要加空格，否则会被认为是字符串而不是字典。

2.修改模型配置文件

在models文件夹下，有不同网络模型大小的结构，因为使用的是 yolov5s.pt 这个预训练权重，所以yolo5s.yaml文件进行修改，先复制一份，再重新命名。

nc：类别个数

四：训练模型

打开train.py，在参数这，进行修改

-weight ： 先选用官方的yolov5s.pt权重，当自己的训练完成后可更换为自己的权重

--cfg： 选用上一步model目录下我们刚才改好的模型配置文件

parser.add_argument("--cfg", type=str, default=ROOT / "models/yolo5s.yaml", help="model.yaml path")

--data： 选用上一步data目录下我们刚才改好的数据集配置文件

parser.add_argument("--data", type=str, default=ROOT / "data/.。。.yaml", help="dataset.yaml path")

--epoch： 指的就是训练过程中整个数据集将被迭代多少轮，默认是100，显卡不行就调小点

parser.add_argument("--epochs", type=int, default=100, help="total training epochs")

-batch-size： 一次看完多少张图片才进行权重更新，默认是16，显卡不行就调小点

--workers: dataloader的最大worker数量，一般用来处理多线程问题，默认是8，显卡不行就调小点

然后就可以运行train.py文件了，训练结果会保存在 runs 的 train文件 里。

五：启用tensorboard查看参数

  yolov5里面有写好的tensorbord函数，可以运行命令就可以调用tensorbord，然后查看tensorbord了。首先打开pycharm的命令控制终端，输入如下命令，就会出现一个网址地址，将那行网址复制下来到浏览器打开就可以看到训练的过程了

tensorboard --logdir=runs/train

但是出现了问题：

按 ctrl+c 终端可进行再次输入，目前还没找到解决方法

六：结果分析

• box_loss： 推测为GIoU损失函数均值，越小方框越准；
• obj_loss： 推测为目标检测loss均值，越小目标检测越准；
• cls_loss： 推测为分类loss均值，越小分类越准；
• precision： 准确率（找对的/找到的）；
• recall： 召回率（找对的/该找对的）；
• mAP@0.5 & mAP@0.5:0.95： 就是mAP是用Precision和Recall作为两轴作图后围成的面积，m表示平均，@后面的数表示判定iou为正负样本的阈值，@0.5:0.95表示阈值取0.5:0.05:0.95后取均值。（0.5是iou阈值=0.5时mAP的值），mAP只是一个形容PR曲线面积的代替词叫做平均准确率，越高越好。

yolov5训练相关参数解释

目标检测---教你利用yolov5训练自己的目标检测模型

七：Val

修改data：

parser.add_argument("--data", type=str, default=ROOT / "data/coco.yaml", help="dataset.yaml path")

修改weights：

parser.add_argument("--weights", nargs="+", type=str, default=ROOT / "runs/train/exp2/weights/best.pt", help="model path(s)")