笔记：yolov5训练自己的目标检测模型

按照这篇文章来训练的https://blog.csdn.net/didiaopao/article/details/119954291

浅浅记录一下遇到的一些磕磕绊绊以及解决方法！

1、安装依赖项

按照步骤来，输入命令pip install -r requirements.txt，会报错说找不到requirements.txt这个文件，可以从终端进入文件所在位置，再输入一遍命令即可：

打开anoconda prompt，查看已有的虚拟环境：

conda info --envs

进入虚拟环境：

activate TF2_1

通过cd+路径（requirements.txt文件的位置）进入requirements.txt文件所在文件夹，再执行

pip install -r requirements.txt的命令就可以啦。

2、跑demo（测试虚拟环境的可行性）

参考文章https://blog.csdn.net/Kefenggewu_/article/details/115840019

①运行detect.py，报错如下：

AttributeError: Can't get attribute 'SPPF' on <module 'models.common'……

参考文章https://blog.csdn.net/weixin_50920579/article/details/121307820

按照文章说的，把代码复制到common.py，注意把import那句挪到最前面去。

②继续运行detect.py，报错如下：

AttributeError: ‘Upsample’ object has no attribute ‘recompute_scale_factor’

参考文章https://blog.csdn.net/weixin_43401024/article/details/124428432

可能修改的行数对不上，对应一下代码内容就好。

③再次运行detect.py，报错如下：

RuntimeError: The size of tensor a (60) must match the size of tensor b (56) at non-singleton dimens

参考文章https://blog.csdn.net/qq_43108889/article/details/123910494

工程文件夹里的yolov5s.pt文件和data文件夹在同一级。

最后运行detect.py就成功啦！

运行结果如下：（运行的图片在run文件夹里面）

 3、数据集处理及文件配置

数据集部分和第三部分的3.1修改数据配置文件那里，参考了Yolov5训练自己的数据集（详细完整版）里的第四部分，划分数据集以及配置文件修改。

 这个需要修改的部分就按照这样改：

 PS：VOCDData这个文件夹是自己创建的，具体过程可以看一下文章里第二部分，准备工作。

4、模型训练

模型训练部分看回开头链接那篇文章~

修改好train.py文件，可以开始运行了。

我是在anoconda prompt里运行的，激活虚拟环境，进入到train.py目录，输入python train.py，刚开始运行的时候会出现报错：

AssertionError: train: No labels in……

解决方法参考AssertionError: train: No labels（已解决，亲测有效）

最后，运行过程可以打开另一个prompt，激活虚拟环境，输入nvidia-smi -l 1，就可以查看动态gpu占用情况，如果利用率太低了，可以调高一下train.py里的batch-size参数，大概到百分之六七八十就差不多可以了，batch-size参数按照2的幂次方进行设置。

PS：nvidia-smi -l 1这条命令会一直刷新下去（每隔一秒刷新一次），如果想停止，可以ctrl+c终止。