yolo中创建自己的数据集

创建文件夹

1. 首先创建（测试集）train文件夹
   

然后在labeLimg(在conda环境下)启动
images是保存的照片，labels是图像标框的数据

2. 同理在（验证集）Valid也是创建相同的文件夹。
   关于测试集和验证集的说明

• 训练集：用于学习的一组样例，用于拟合分类器的相关参数。
• 验证集：用于调整分类器参数的一组样例，例如选择神经网络中隐含层单元数量。
• 测试集：仅用于评估完整的最终分类器的性能的一组样例。
  通常情况下的占比
  
  一般只要这两个文件夹
  
  train 是训练集
  valid 是验证集 就是会在最后的exp结果展示的。
  data.yaml 文件如下

train: D:/SCI/data1/yaogan/train    #这是存放训练集的路径
val: D:/SCI/data1/yaogan/valid     #这是存放训测试集的路径
# Classes 
nc: 1 						#几个类别
names: ['aircraft']      #类别的名称

模型的选定

模型也可以用

best.pt 是指是当此训练过最好结果的模型
last.pt 是指当此训练最后一个的模型
（在后面这些模型都可以调用）

终端训练代码：

python train.py --batch-size 8 --epochs 100 --data det_sample/data.yaml --weights pretrained/kouzhaobest.pt
# --batch-size 8 每次训练照片8张
#--epochs 100		迭代次数100此 （也就是跑100遍）
#--data det_sample/data.yaml	设定训练集和验证集的设置
#--weights pretrained/kouzhaobest.pt		选用什么路径下的模型

终端测试代码：

 python .\detect.py --source D:/SCI/data1/1 --weights runs/train/exp12/weights/best.pt
 #--source D:/SCI/data1/1   测试图片集存放的路径
 #--weights runs/train/exp12/weights/best.pt  刚刚训练完就好的模型