YOLOv5训练自己的数据集之详细过程篇

软硬件配置：Ubuntu + Tesla m40 24GB + cuda10.2 + anaconda

一、环境部署

1、源码下载

https://github.com/ultralytics/yolov5

2、环境配置

创建虚拟环境

source create -n yolov5 python=3.7

激活虚拟环境

source activate yolov5

安装依赖库（cd到yolov5根目录requirements.txt下）

pip install -r requirements.txt

or 清华镜像源

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

windows可能会出现以下错误：

ERROR: Could not find a version that satisfies the requirement torch>=1.6.0 (from -r requirements.txt (line 12)) (from versions: 0.1.2, 0.1.2.post1, 0.1.2.post2)
ERROR: No matching distribution found for torch>=1.6.0 (from -r requirements.txt (line 12))

原因是pytorch和torchvision的下载需要翻墙，我们需另外下载
附pytorch和torchvision网盘链接：
链接：https://pan.baidu.com/s/1Rm69ehzWaVAXmbXk4LND6w
提取码：sd3m
Ubuntu上一切很顺利，不知道pytorch的安装是不是和系统有关
还素比较简单滴，集成好的依赖库就是香啊

3、设置环境路径

选择File → Settings

★ 要选择Existing Environment，这个就是上面创建好的虚拟环境
★ Interpreter路径选择已配置好的虚拟环境下的python3.7
★ Conda executable路径选择系统里安装anaconda的bin文件下的conda

配置华景

二、训练yolov5

1、准备数据集

数据存放位置和数据结构

（1）新建如上图所示的文件夹，文件名要一致
（2）在JPEGImages中存放原图（可不用，只是为了保证完整格式）
（3）在image中存放原图
（4）在Annotations中存放xml格式的标签文件，每个xml文件对应JPEGImages的一张图片
（5）在ImageSets的Main文件夹下存放train.txt、val.txt 、trainval.txt、test.txt。分别存放的是训练集、验证集、训练集加验证集、测试集的图片名称，只包含名称不包含后缀和路径。这四个文件需要使用脚本生成。

import os
import random
trainval_percent = 0.8 # 训练集和验证集所占比例，剩下的0.2是测试集比例
train_percent = 0.8 # 训练集所占比例
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('data/ImageSets/trainval.txt'