基于rk3588s的yolov5深度学习从训练到部署--讯飞智能车识别任务（三）

yolov5部署及训练

1项目的克隆和必要的环境依赖

1.1项目的克隆

YOLOv5的代码是开源的，因此我们可以从github上克隆其源码。因为GitHub是国外的服务器，所以可能会出现开启速度过慢或者无法打开的情况。建议多次尝试，如果拥有魔法上网，请开启魔法上网。

网址：ultralytics/yolov5 at v7.0 (github.com)

这个网址yolov5版本为v7.0，可以在界面中选择其他版本。

选择好版本后，点击右上角的code按键，将代码下载下来。至此整个项目就已经准备好了。

1.2 项目代码结构整体介绍

将我们下载好的yolov5的代码解压，然后用一款IDE打开（pycharm），打开之后整个代码目录如下图：

现在来对代码的整体目录做一个介绍：

├── data：主要是存放一些超参数的配置文件（这些文件（yaml文件）是用来配置训练集和测试集还有验证集的路径的，其中还包括目标检测的种类数和种类的名称）；还有一些官方提供测试的图片。如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。但是自己的数据集不建议放在这个路径下面，而是建议把数据集放到yolov5项目的同级目录下面。

├── models：里面主要是一些网络构建的配置文件和函数，其中包含了该项目的四个不同的版本，分别为是s、m、l、x。从名字就可以看出，这几个版本的大小。他们的检测测度分别都是从快到慢，但是精确度分别是从低到高。这就是所谓的鱼和熊掌不可兼得。如果训练自己的数据集的话，就需要修改这里面相对应的yaml文件来训练自己模型。

├── utils：存放的是工具类的函数，里面有loss函数，metrics函数，plots函数等等。

├── weights：放置训练好的权重参数。

├── detect.py：利用训练好的权重参数进行目标检测，可以进行图像、视频和摄像头的检测。

├── train.py：训练自己的数据集的函数。

├── test.py：测试训练的结果的函数。

├──requirements.txt：这是一个文本文件，里面写着使用yolov5项目的环境依赖包的一些版本，可以利用该文本导入相应版本的包。

以上就是yolov5项目代码的整体介绍。我们训练和测试自己的数据集基本就是利用到如上的代码。

1.3 环境的安装和依赖的安装

在之前的一篇的Windows安装pytorch里已详细说明了如何安装深度学习依赖。

首先，打开克隆的yolov5文件夹可以看到有一个为requirements.txt的文件，打开文件可以看到里面有着很多的依赖库和对应的版本要求。（注意：如果使用不同版本的yolov5，需要再次进行安装依赖的步骤，不同的版本对应的依赖版本不同。）

在此，我们仅需在上一篇文章的基础上进入pytorch的虚拟环境中cd 进入克隆到本地的yolov5的文件夹，输入命令即可安装依赖。

pip install -r requirements.txt

建议下载依赖时使