Yolov5-6.0使用教程

不是鲤对

已于 2024-10-04 10:15:37 修改

阅读量962

点赞数 12

文章标签： YOLO

于 2024-10-03 09:34:56 首次发布

本文链接：https://blog.csdn.net/sunsangsang/article/details/142688933

版权

Yolov5-6.0使用教程

参考过程：主页 -Ultralytics YOLO 文档、【干货】两小时带你训练和使用yolov5，yolov5详细教学，yolov5环境配置，2024年_哔哩哔哩_bilibili

数据的标签格式：class x_center y_center width height，均是归一化的值（0~1）之间。

下载yolov5的代码和模型：

选择yolov5的6.0版本的代码和模型，下载代码：

Release v6.0 - YOLOv5n 'Nano' models, Roboflow integration, TensorFlow export, OpenCV DNN support · ultralytics/yolov5 (github.com)找到Assets，在倒数第二行：source code.zip

下载权重模型：找到Pretrained Checkpoints，选择yolov5s权重，也可以选择其他模型。

安装anaconda，创建python环境

网址：Download Anaconda Distribution | Anaconda，需要邮箱验证，在邮箱内点击验证链接直接下载。

双击运行，路径自择，选择安装包Add anaconda3 to my PATH environment variable ，其他尽可能打对勾。

将第一步下载的源码解压到：D:\pyproject\yolov5-6.0；建议新建一个文件夹pyproject，将yolov5-6.0放进入，这是所有训练结果、文件的根目录。

Win+R，cmd进入命令提示窗口：

命令提示窗口命令步骤：

1.查看当前存在的环境（anaconda中存在的）：conda env list，可以省略。

2.创建yolo_v5环境：conda create -n yolo_v5 python==3.8 。注意这里选择的是python3.8版本，此前版本需要各种依赖包，此后的版本有很多软件需要自己编译。3.8很稳。这个过程一般很快，创建完成之后：activate yolo_v5进入此环境。

3.去yolov5-6.0文件夹中，cd /d D:\pyproject\yolov5-6.0，注意这两个斜杠的方向不同。

注意：在命令提示窗口中按CTRL+C可以打断当前运行程序。

处理源码中的requriements.txt中的安装包

准备步骤：将requriements.txt用vs code或记事本打开，vs code用着比较舒服，启动快，电脑配置要求不高，pycharm有些会启动不了。打开之后，改成如下格式：（将所有”>”改成“=”，opencv-python==4.1.2.30），这里将torch和torchvision注释掉了，因为这里会自动下载cpu版本，如果有显卡的话还是用显卡比较好，接下来会独自安装pytorch。

安装pytorch，进入pytorch官网，在Previous PyTorch Versions | PyTorch中寻找requirements中的版本号，我们找不到此版本，因此安装1.8.1版本号，windows系统建议使用pip安装。

注意：cuda版本选择，如果是30系显卡以上选择cuda 11.1，其他显卡试着选择以下版本，没有显卡选择cpu版本，我安装的是cpu版本，速度很慢，比30系显卡慢了十几倍。

复制上述连接：pip install torch==1.8.1+cpu torchvision==0.9.1+cpu torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

然后粘贴到第二步的环境中，我们所有安装包是安装在环境中的，并不是D:\pyproject\yolov5-6.0这个文件夹，可以在D:\anaconda\envs\yolo_v5\Lib\site-packages，路径中找到torch安装包。

如果速度太慢，后面可以加上清华源、阿里源等，但是校园网飞快的。

安装完成之后，命令提示窗口输入python，可以看到python版本3.8，在python中输入import torch，没有显示错误就是对的，exit()退出python，回到yolo_v5环境。

也可以输入torch.cpu.is_available()，显示为True即为正确。

安装requriements.txt其他安装包，后面也可以加其他源提高速度。注释掉torch和torchversion，在命令提示窗口继续输入：pip install -r requirements.txt

如果opencv-python没有改成4.1.2.30，此时会出现opency_python找不到4.1.2版本，将requriements.txt中的此安装包的版本改成4.1.2.30，再次执行上述命令。

安装 pip install protobuf==3.19.0，如果不安装会在执行train.py时出现错误。也可需要时在安装。

用vscode打开yolov5-6.0文件夹

打开左侧栏中的第五个安装两个插件1、chinese，2、python

按Ctrl+Shift+p，在顶端弹出列表，选择解释器，所有的程序均在这个解释器的环境中运行。

选择python，进入之后选择刚下载的python（yolo_v5），也就是anaconda环境中安装的python版本。如果没有conda，也没有其他的python，说明环境变量没有配置好。

配置环境（不一定需要配置）：打开设置-搜索环境-选择系统环境配置-右下角环境变量-双击用户变量中的path添加anaconda的路径，这里是添加了四个anaconda环境。应该是要重启，重启之后重新进入环境即可。

下载数据集

数据集下载地址：keremberke/valorant-object-detection · Datasets at Hugging Face，也可以自己选择下载数据集，关注两个信息，width、height，这里是416*416。往后翻可以看到数据集是coco格式，需要对数据进行处理，以便yolo能够使用。

点击files and version 也可以点这个 keremberke/valorant-object-detection at main (huggingface.co)连接，下载test、train、valid压缩包，有可能会进不去这个网站，需要一点魔法。

在路径：D:\pyproject\yolov5-6.0\data 新建文件夹，data_org（随意，记住就行了），将下载的三个压缩包解压到里面，我建立的是csgo文件，因为这个压缩包是csgo的。

打开test文件夹，可以看到只有一个coco标签，不是yolo，需要对此进行处理。如果是yolo格式可以跳过第六步。

这个数据集处理起来非常慢，也可以直接在Roboflow官网上，animals trained model | Roboflow Universe Search下载yolo格式的数据。使用yolo格式直接跳过第六步数据处理过程即可。

当然也可以自己创建数据集：安装labelimg，执行下述三行代码

conda install pyqt=5

conda install -c anaconda lxml

pyrcc5 -o libs/resources.py resources.qrc

安装好之后输入：python labelimg.py

按照下图进行操作即可。

处理数据集（coco格式转换成yolo格式）

观察coco标签字典中：id、name、supercategory这三个键（比较难找），也就是下面这一块，id键从0开始数，一共有0、1、2、3四个，然后记住name键的每一个值。

在yolo_v5根目录中新建文件夹：data_process，内部创建一个data_process.ipynb文件，.ipynb文件不能直接打开，因为环境中没有安装jupyter，在命令提示窗口需要安装一下jupyter，如果出现错误，很大原因就是网络不好，其次是pip版本不够。pip更新命令：python -m pip install --upgrade pip

1. 安装完成之后，进入文件data_process.ipynb，使用ipynb格式会很方便，也可以使用py格式，每一个单元要按顺序运行：

2. 验证是否正确

3.在data跟目录下创建一个新的文件夹csgo_dingdang，分别创建train、test、valid单个子文件夹，并在每一个子文件夹中分别创建images、labels两个文件夹，将图片复制到csgo_dingdang中，不复制_annotations.coco，因为这是coco标签，记住所在路径即可。注意路径的格式双斜线

输入下面程序，图片所在文件夹、标签所在文件夹，可以看到图片所在文件是新建立的，标签还在原文件夹中。