YOLOv5分类训练，训练自己的数据集

1、找到yolov5文件内的classify文件夹进入

和目标检测一样，train.py用来训练模型，predict.py用来检测模型

2、下载yolov5分类训练模型
进入yolov5 github官网 或者使用我上传到百度网盘的模型 百度网盘连接，提取码：2rt3
下载yolov5s-cls.pt
下载完将该文件放在yolov5主文件夹下
3、打开train.py文件
主要修改内容如下

model为刚刚下载的模型，图中模型存放在主目录下，不用加任何东西
data为图片数据集存放位置，绝对路径和相对路径都可使用，相对路径起始位置为yolov5主目录
epochs为训练轮数
batch-size为一轮中多少张图片为一组进行训练，越大效果越好，同时越吃显卡性能
imgsz为图片大小，初始为224，根据自己数据集图片大小进行调整，越大，越吃显卡性能
nosave是否保存每轮训练的测试数据，注意store_true代表false,store_false代表true,如果选择true，训练完成文件夹内的results.csv只有最后一轮数据
device为训练所用设备，0,1,2,3,4都为显卡，cpu为使用cpu训练
workers为训练时的进程数，使用默认就好
4、整理数据集
将数据集按照7(train)：2(val)：1(test)的比例分为下面三份

每个文件夹内都是分类标签文件夹，例如下图，我要训练的模型只需要识别no和yes两类，如果你要识别花的种类，就写创建花种类的文件名例如rose,daffodil等，然后将这些花的图片放入对应文件夹内

调整后参数，弄好数据集就可以训练了