复现YOLOv5或使用YOLOv5训练自己的数据集，亲测有效

创建环境

使用ptyhon3.7版本

ptyorch的安装

yolov5最新版本需要pytorch1.6版本以上，使用以下代码进行环境的安装：

pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

下载源码和安装所需要的库

源码地址：https://github.com/ultralytics/yolov5

在anaconda中进入项目的路径
cd 目录

然后安装项目所依赖的库

pip install -r requirements.txt

数据集的准备

由于YOLOv5对于标签只识别txt的文件，所以在使用labelimg进行标注时需要把生成的xml文件转换为txt文件。有的标注工具标签是json格式的，需要先把json转换成xml再转换成txt文件才可以

创建文件夹

自己先创建一个VOCCDATA文件夹里，里面包含images、Annotations和ImageSets子文件夹，再在ImageSets里创建main文件夹，main文件夹里包含train.txt和test.txt文件(txt文件都是空的)。

数据集的处理

先对数据集的划分

import os
import random
 
trainval_percent = 0.2   #可自行进行调节
train_percent = 1
xmlfilepath = 'VOCCData/Annotations'  #自己的路径
txtsavepath = 'VOCCData/ImageSets/Main'    #自己的路径
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('VOCCData/ImageSets/Main/trainval.txt', 'w')
ftest = open('VOCCData/ImageSets/Main/test.txt', 'w')   #自己的路径
ftrain = open('VOCCData/ImageSets/Main/train.txt'