yolov5模型训练自定义数据集

(47条消息) 教程：超详细从零开始yolov5模型训练_抛到海里的博客-CSDN博客_yolov5

本人第一次接触yolov5，基本上从头看的这篇博客，本博客主要目得是按照上述博客安装时候遇见的问题来阐述一下。

1.anconda环境搭建
2.yolov5下载
3.素材整理
4.模型训练
5.效果预测

首先说一下，一直截止到yolov5模型训练之前，都是在win10的环境中按照步骤来的。在yolov5模型训练中，使用服务器。

1.anconda环境搭建(略过)

需要注意全程是在yolo环境下运行的！！！

2.yolov5下载

https://github.com/ultralytics/yolov5

与原博客所截图的文件不同，缺少runs和weights，故自己创建runs文件夹，runs文件夹包括detect和train两个文件夹；weights包括一个.sh文件，可以看看这个https://docs.ultralytics.com/。上述两个文件我是从网上下载下来，又复制到yolo中去的。

然后在yolo目录下运行

pip install -r requirements.txt

下载好依赖。

3.素材整理

在yolo的同级目录下或yolo目录下新建yolo_A文件夹(我是在yolo目录下建的)，里面包括

其中，子文件夹images用来存放样本图片，labels文件夹用来存储标注图片的信息(标注的类别，x,y,长，宽)。A.yaml文件用来存放一些目录信息和标志物分类。

详细步骤见本文初的链接(47条消息) 教程：超详细从零开始yolov5模型训练_抛到海里的博客-CSDN博客_yolov5

4.模型训练(开始在服务器上运行！！)

注意在服务器运行时候，命令行前面不加！

python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/

detect.py运行得到的结果保存到runs/detect/exp中，可以直接查看，无需命令

重点来了：开始训练模型

注意在服务器运行时候，命令行前面不加！..代表上级目录，自己输入代码的时候一定要注意好yolo_A文件夹与yolo文件夹的位置关系，还需要自己把yolov5s.pt放到yolo的目录下(或者自己写上yolov5s.pt的路径)。

建议自己新建一个train.py文件，重新命名一下。里面方便自己修改参数

python train.py --img 640 --batch 50 --epochs 100 --data ../yolo_A/A.yaml --weights yolov5s.pt --nosave --cache

我运行上述命令的时候，一直报错：

RuntimeError:CUDA out of memory.Tried to allocate 184.00 MiB

百度了一下说是batch_size太大，要调小，还有epoch也调小，但是我在都调成参数为1的时候，还是报这个错。后来才知道，原来的服务器中这一行的命令已经被大佬重新设计过了，不用输入参数--img 640 --batch 50 --epochs 100。

所以就是直接输入

python train.py --data ../yolo_A/A.yaml --weights yolov5s.pt --nosave --cache

 train.py 运行得到数据存放到了runs/train/exp中，自己可以打开查看。得到的best.pt和last.pt存到了runs/train/exp/weights中。

接下来就是使用得出的结果来测试了，需要注意的是，文件所在的路径，不要搞错，自己找几张测试图片运行即可

python detect.py --weights ./runs/train/exp2/weights/best.pt --img 640 --conf 0.25 --source ../test2.jpg