Pytorch-Yolov5训练自己的数据集(快速上手使用) 教程

一、安装环境

去yolov5官方github下载源码和pt权重文件

点开requirement.txt查看所需安装环境

在cmd中运行图中圈出的代码一键安装

二、准备数据集

推荐一个网站，非常好用Sign in to Roboflow

标注数据集很快，还可以自动化分数据集，进行数据增强等
具体操作可以看视频

使用Roboflow网站标注数据集

三、开始训练

一般将数据集放在data目录下 这里我对CF穿越火线的图像进行了标注

修改yaml文件的路径如图

打开train文件 修改如图所示路径代码

其中weight指向预训练模型权重 可以到yolov5的github页面下载，选择合适的权重，然后放在新建weight文件夹

cfg导入你选择的预训练模型yaml文件路径

data指向你自己的数据集的数据配置文件

epchos调整你的训练轮次

batch-size调整训练批量，依据配置自行选择，我是3050Ti，批量4刚刚合适

下面device选择训练的GPU 

接下来直接运行，如果报错出现包的问题直接安装就行，如果直接装不了打开anaconda里面安装软件包也可，网络问题的话还是建议挂个梯子再安装。

四、结果

会保存在run目录下

包括一些线图和结果对比图等，还有保存下来的模型权重

五、验证

打开detect文件

将weights指向刚才训练出来的最好权重文件bestweight

source指向自己想要验证测试的文件夹，可以有图片或视频都可以

data还是指向刚才的数据配置文件

具体验证结果可以看视频

cf目标检测验证

至此，你完成了一次目标检测的任务。