YOLOv5项目环境搭建与第一次训练尝试

最新推荐文章于 2024-08-29 14:54:35 发布

Anlina Li

最新推荐文章于 2024-08-29 14:54:35 发布

阅读量292

点赞数 4

分类专栏：目标检测文章标签： YOLO 目标检测人工智能

本文链接：https://blog.csdn.net/m0_46582737/article/details/137600855

版权

目标检测专栏收录该内容

7 篇文章 0 订阅

订阅专栏

本文详细描述了如何在已安装Python和Anaconda的环境下，创建新环境，下载YOLOv5代码并配置项目，使用requirements.txt下载依赖，准备数据集，下载预训练模型，以及进行模型训练和预测的过程。特别关注了必要的参数设置和文件结构解释。

摘要由CSDN通过智能技术生成

运行环境搭建

先制条件：有安装python内核，有安装anaconda

创建anaconda环境：conda create -n ljx python=3.11

项目下载

下载YOLOv5的github上的代码用pycharm打开，环境用刚建好的环境下载链接：https://github.com/ultralytics/yolov5

项目环境搭建：

在anaconda环境里（pycharm命令行，进入自己的环境）运requirements.txt文件用来下载包：pip install -r requirements.txt
这一步就会下载好pytorch环境

数据集准备

访问roboflow网站随便下载一个数据集（Hard Hat Sample），下载要下载pytorch-yolov5版本的。将下载好的解压放到项目文件夹中（放不放都行，太大就不放）

预训练模型下载（可选）

格式是.pt文件。先学yolo5s，因为其简单快速
YOLO模型有：
在这里插入图片描述

训练

需要参数设置：

   python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5n.yaml  --batch-size 128
                                                                    yolov5s                    64
                                                                    yolov5m                   40
                                                                    yolov5l                     24
                                                                    yolov5x                    16

我的命令：python train.py --data Hard_Hat_Sample/data.yaml --epochs 10 --weights yolov5s.pt --cfg models/yolov5s.yaml --batch-size 16

需要修改Hard_Hat_Sample数据集的文件名以及yaml配置文件更改。

项目文件夹及文件解释

runs文件夹：train文件夹：训练得到的数据都在里面，每次训练一个文件夹。detect文件夹：预测出来的数据在里面。每次试验都生成一个output文件夹，里面是预测得到的东西。
weights文件夹：里面有一个脚本，可以批量的下载预训练模型.pt文件
data文件夹：里面有coco.yaml、voc.yaml文件，主要是用于这些数据集的配置文件，这些数据集从网络上下载。我们用不到，因为一般用自己的数据集。
inference文件夹：里面是测试的数据，放入这个文件夹下的images文件夹下。然后运行detect.py对该文件夹下的文件进行预测后，会生成一个output文件夹，里面就是网络对每张测试图片预测出来的效果。

我的预测命令: python detect.py --weights runs/train/exp9/weights/best.pt --source inference/images --conf=0.9

conf是置信度。weights是训练好的模型
其他文件夹和文件讲源码的时候再说