ArchLinux使用Yolov5使用初体验（保姆级）

前言

本文是作者基于ArchLinux实现了 Yolov5对图片的检测以及对数据集的标记与训练

标记工具用的是labelimg（python3.10)会报错，亲测，这里建议读者们换用python38或者python39

通过在terminal中输入

yay -S python38

来安装python3.8，或者使用Anaconda（理论是可行的），另外作者使用的IDE是Pycharm专业版，Vscode配置好了应该也非常方便。

1.下载

前提：需要安装git

有三种下载方式

推荐使用1和2

1.如果github添加了密钥可以输入以下指令

git@github.com:ultralytics/yolov5.git

2.这里放出的是正常https版本，在terminal中输入以下指令，yolov5项目则会被克隆到终端所在的文件夹下

git clone <https://github.com/ultralytics/yolov5.git>

3.下载压缩包 tar -xzvf或者unzip指令进行解压

2.安装相关依赖

这里需要切换到yolov5的路径下，比如说yolov5在/home/xxx目录下

可以cd /home/xxx/yolov5，或者正常cd进入项目目录。

这里采用pip安装的方式进行相关包的安装,terminal中输入以下指令

pip install -r requirements.txt

静静等待相关依赖安装完成后，可以大致的看一下项目目录结构。（这里稍后放出）

3.下载权重文件与Coco128数据集并且进行识别检测

这里作者使用的是yolov5s.pt权重文件，不同的权重文件的识别效果会有不同，这里建议读者自行百度

yolov5s.pt的下载链接如下:

https://github.com/ultralytics/yolov5/releases

在Assert中找到对于的yolov5s.pt文件下载。

下载成功后，把该文件放在yolov5这个主文件目录下。

COCO128数据集的下载链接如下

https://cocodataset.org/#download

该处放的是官方版本，下载需要有一定的网络知识基础

这里的话推荐使用非官方下载方法，读者可以自行查阅

下载完成数据集之后，在yolov5目录下新建一个datasets的文件夹

该文件夹的目录是

/datasets

        /coco128

                /images

                        /train2017

                /labels

其中的train2017目录下存在着训练中所需要的图片，我们自己制作数据集时还需要有val（验证集）验证集的数量一般是训练集的百分之30左右。

把coco128数据集文件夹放到这里面，具体路径可以根据**/data/coco128.yaml**文件中的路径来

安装完成依赖并且下载权重文件后，在pycharm的terminal中输入以下代码来测试是否成功

python detect.py --weights yolov5s.pt --source data/images/bus.jpg

识别结果会自动放在yolov5/runs/exp/ 目录下

说明：

预测后的结果会自动保存到runs/detect/exp目录下，下次运行结果会保存在runs/detect/exp1目录下。并且依次类推

至此，基本的配置环节成功