小白使用YOLO5—v5.0训练猫狗数据的全过程及所遇到的坑

目录

1.YOLO5下载

YOLO预训练模型下载

2. 数据集的准备

3.搭配YOLO5环境

1.安装CUDA和pytorch（网上教程很多此处不再赘述，注意pytorch不要安装成CPU版本的）

2.在终端里cd 到 yolov5-v5.0目录下 安装requirements.txt文件里的包

4.配置YOLO5代码

5.结果展示

6.遇到的问题 

1.AttributeError: Can‘t get attribute ‘SPPF‘ on ＜module ‘models.common‘ from ‘XXX‘问题

2.RuntimeError: result type Float can‘t be cast to the desired output type __int64

3.数据集定义了两个猫狗两个类别,但是训练结果只有一个

---

1.YOLO5-v5.0下载

地址：项目目录预览 - yolov5 - GitCode

YOLO预训练模型下载

（我这里选择yolo5s.pt轻量级的，文件一般越大精度越高但所需的时间，要求的配置也相应增加）

官方地址：(点击直接访问，不用github加速，打开后划到页面最下面即可）

（建议下载Watt Toolkit加速github网页）Release v6.0 - YOLOv5n 'Nano' models, Roboflow integration, TensorFlow export, OpenCV DNN support · ultralytics/yolov5 · GitHubYOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.https://github.com/ultralytics/yolov5/releases/tag/v6.0

这里下载速度可能会很慢给大家推荐给好用的软件 motrix

复制下载链接到软件上提交即可

2. 数据集的准备

下载地址：Dogs vs. Cats | Kaggle

 可以参考大佬文章：目标检测---数据集格式转化及训练集和验证集划分_训练集和验证集的划分代码-CSDN博客

使用labelimg工具对数据集打标签

注意：yolo5使用的是txt文件格式（xml和txt文件可以互转）

        voc标签格式，保存为xml文件。

        yolo标签格式，保存为txt文件。

将下载的图片和打的标签分别保存在不同的文件夹 

数据集划分为训练集和测试集

按照这种格式划分数据集（images里放图片，labels里放标签），（train里放训练集，val里放测试集）

3.搭配YOLO5环境

1.安装CUDA和pytorch（网上教程很多此处不再赘述，注意pytorch不要安装成CPU版本的）

安装完成后可以用以下代码测试

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())  #输出为True，则安装无误

结果：

这里cu121代表安装的是GPU版本 

2.在终端里cd 到 yolov5-v5.0目录下 安装requirements.txt文件里的包

cd yolov5-v5.0
pip install -r requirements.txt

4.配置YOLO5代码

1.找到data文件下的voc.py文件复制粘贴

修改其中的文件  

这里的  nc 是标签类别的个数

2.找到models文件下的yolov5s.yaml文件复制粘贴（这里根据自己下载的预训练模型来、，我下载的是yolo5s.pt 所以选择yolov5s.yaml）

修改其中的nc=2

3.修改主目录下的train.py文件

将weights  ， cfg，data 里的help 改为对应的路径  （这里我将下载好的yolov5s.pt放在了weights 文件夹下）（Windows电脑所有路径都应gaiw）

epochs ：200 ：训练的轮数

batch-size：12 ： 根据自己的电脑配置来出现GPU不足就调低

img-size ：640,640 ：图片的分辨率也是根据自己的电脑配置

完成上述操作之后就可以运行了

运行开始时会在你的数据集文件夹下下载 两个文件

训练结束后可以在runs文件夹下的train文件里的exp 查看训练结果

这里的weights文件夹下存放着如下两个（训练结果）文件（待会用到）

4.找到主目录下的detect.py文件（我们用它来测试训练结果）

weights  修改其中的路径为刚刚训练出来的best.pt文件路径

source  放置想要测试的图片路径（视频路径和图片一样，如果想打开摄像头设置为0即可）

运行结果可在runs文件夹下的detect里的exp下查看

5.找到主目录下的text.py文件  测试训练的模型的精度 

修改其中的weights和data  （方法同上）并在runs文件下会生成text.py文件

5.结果展示

6.遇到的问题 

1.AttributeError: Can‘t get attribute ‘SPPF‘ on ＜module ‘models.common‘ from ‘XXX‘问题

解决：这里是YOLO5的common.py文件缺少了SPPF类在官网找到YOLO的common.py里的SPPF类复制粘贴到本地文件即可

在model文件下找到common.py文件

地址：项目文件预览 - yolov5 - GitCode

2.RuntimeError: result type Float can‘t be cast to the desired output type __int64

解决方法：找到utils文件夹下的loss.py文件，搜索  gain = torch.ones(7, device=targets.device)  将其修改为gain = torch.ones(7, device=targets.device).long()

3.数据集定义了两个猫狗两个类别,但是训练结果只有一个

查看runs文件下的exp文件里的图片发现dog没有

这是正常的

   原因：猫狗数据集的标签TXT里只定义了一种类别'0'

   解决办法：将猫狗分别定义为0，1

大佬文章

dd目标检测---教你利用yolov5训练自己的目标检测模型_目标检测 教你利用-CSDN博客

后续

使用YOLO5—V7.0转成onnx并测试-CSDN博客