YOLOV5实战：前置任务

一、配置环境&下载包

1.下载YOLOv5源码

下载方式有两种途径

a.如果有外网vpn，则可以通过路径一下载：

yolov5源码下载：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

点击上源码，进行下载。

b.如果没有vpn，则通过路径二下载：

使用GIT

打开git官网地址：Git进行下载

用cmd命令行克隆（下载）到本地，输入git clone https://github.com/ultralytics/yolov5

控制台通过以下代码可以直接配置

git clone https://github.com/ultralytics/yolov5 # clone

cd yolov5

pip install -r requirements.txt # install 安装各种包

（csdn镜像源：GitCode - 开发者的代码家园）

注意：安装涉及的路径不要有中文。

2.cuda的下载与安装：

首先进入NVIDIA页面查看电脑适配版本，

如上，即所安装的cuda版本不能高于12.2.128。

然后进入cuda官网，下载适合自己电脑的版本。

cuda官网网址：CUDA Toolkit Archive | NVIDIA Developer

要注意在安装过程中不要勾选Visual Studio Intergration选项。

下载完成后要在环境变量中添加新的目录，例如我的版本是12.2。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\extras\CUPTI\lib64

之后在命令行依次输入一下代码以激活所添加的新的环境变量。

set PATH=c:
echo %PATH%
echo %PATH%

注意：配置cuda调用GPU能极大缩短训练时间，故建议安装。

3.配置yolov5环境

首先进入控制台，在anaconda中创建并激活一个新的环境。

接着在该环境中下载pytorch。

接下来进行anaconda环境配置YOLOv5需要的库。

点击上方输入框，输入cmd，进入控制台，然后执行pip install -r requirements.txt，安装项目文件中需要的库。

4.数据集的下载：

📎images.7z

这个是kaggle上停车场的车辆的识别的图片，共80张，留两张测试即可。

二、准备相关文件进行训练

1.在yolov5文件夹下新建一个文件夹，这里取名为VOCData。

2.进入后新建两个文件夹 Annotations 和 images。

images：用于存放要标注的图片。

Annotations ：用于存放标注图片后产生的内容（这里采用XML格式）。

三、使用labelImg标注图片

1.安装labellmg

首先连接vpn，则进入labellmg下载网址

，

之后安装方法和一、1一样，直接下载和控制台下载都可以。

下载后存放目录到yolov5同级下面。如图。

从anaconda prompt终端中选择到此文件。

执行命令前，需要更新一下conda

conda update -n base -c defaults conda

然后执行以下命令

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc

2.使用 labellmg

使用前在labellmg文件夹中->data->predefined_classes.txt

点开可以添加要标准的类别，这样可以避免每次标注时都需要输入标签名称的麻烦。

打开labellmg（要进入labellmg文件夹运行，这里使用pycharm打开labellmg文件夹转到目录下再运行）

之后运行代码python labelImg.py

把要标注的图片放D:\yolov5\yolov5-master\VOCData\images，在程序中’打开目录‘中选择它。

标完后保存到D:\yolov5\yolov5-master\VOCData\Annotations（导出时选择默认的xml格式），我们在‘改变存放目录中选择它’

最后点击'W'快捷调用标注器，然后我们进行标注即可。右边可以选择预设的标签，一张图可以标许多标签。

接下来就是标注时间，标注完点击下一个图像继续标注，很枯燥很乏味，可能会耗费数个小时的时间。

注意：图像和标签的需要一一对应。

如果图片都标注完成了，意味着我们的前置任务已经完成。

任务：

选择一个自己想检测的物体（安全帽、猫狗识别等）并下载数据集完成标注，如果没有合适的就选择本篇文章的坑洞数据集，把最后五张取出来单独存放一个文件夹中准备做测试集。

这里面我是直接选择的上面的轿车图集，检测轿车。

共80张图片，共进行标注75张，其余5张用来作测试样例。

下图为标注完成的图集，放置于Annotations文件夹中。

下图为测试图集。