【colab】在colab上使用yolov5训练自己的模型

一.开始

本文记录了在谷歌平台colab上使用yolov5训练自己的模型，包括具体流程和ipynb代码。使用前按照自己的需要，选择开通Google Drive云盘空间（我是开通了200G），以及Colab Pro+。使用colab的优点是价格较其他云平台较实惠，缺点是虚拟机不固定，每隔一段时间有人机验证，每次最多使用24小时（普通版是12小时）

二.修改并上传项目文件

出于方便修改的原因，我是在本地先下载yolov5项目，修改好具体代码，然后再上传到Google drive的。当然也可以在colab/drive中修改代码

1. 下载项目

到yolov5官网下载项目文件，本次项目选用了最新的V5.0版本

2. 制作yolo数据集

我首先是使用了ImgLabel标注自己的图像，制作原始数据集（由于之前做的项目是mmdet，所以不是yolo格式，是xml格式的）；之后使用代码将xml数据集转换成YOLO格式即可；如图修改classes为自己项目的种类，TRAIN_RATIO是训练集的比例，这里设置成80%（测试集就为20%）

• 创建一个名为VOCdevkit文件夹，其子文件夹如下
  VOCdevkit
  ——VOC2007
  ——ab.yaml（训练使用的文件）
  ————Annotations（放xml文件）
  ————JPEGImages（放jpg图片）
  xml_yolo.py（和VOCdevkit同级目录）
  之后运行xml_yolo即可得到yolo格式的数据集

ab.yaml的内容如下

train: ../VOCdevkit/images/train
val: ../VOCdevkit