【无标题】

1. 把轨迹放在一个文件夹下，像这样：

|---- tennis_0810
	|---- 20230810_100930
		|---- left 		 	 
		|---- right
	|---- 20230810_100947
		|---- left
 		|---- right
	|---- 20230810_101002
		|---- left
		|---- right

2. 先用 rename.py 重命名 jpg 和 xml 文件，只要把 p 改为轨迹文件夹的父目录（绝对路径，如E:\\data\\tennis_0810\\，记得最后加 \），把 time 改为轨迹文件夹名（如 20230810_164502）。
   

3. 轨迹文件夹同级目录下创建 jpg 文件夹和 xml 文件夹：
   

4. 运行 extract_jpg_xml.py 之前，把 p 改为父目录 p = "E:\\data\\tennis_0810"，然后运行这个文件，运行完之后，jpg 和 xml 就被分开在了两个文件夹了。
   

5. 运行 delete.py ，删！除！没！用！的！ xml ！！！ 记得修改文件路径。

6. 运行 is_match.py，做匹配。root 是 jpg 文件夹路径，cor_root 是 xml文件夹路径。
   

7. 用 MobaXterm 软件（没有就用 vscode 吧，但是 vscode 很卡很慢），把 xml 文件全部拖到 /home/lyy/code/yolo_for_tennis/dataset_before/Annotations 这个路径下（别找错，有好几个dataset）；把 jpg 文件全部拖到 /home/lyy/code/yolo_for_tennis/dataset_before/images 这个路径下（别找错，有好几个dataset），直接进了路径以后，全选本地文件，拖进去就行。

8. 然后等待上传结束。
   

9. 打开 vscode，准备训练捏

10. 打开这个文件夹 /home/lyy/code/yolo_for_tennis，进虚拟环境 yolo_py37

11. 进 dataset_before 文件夹，先运行 split_train_val.py 文件，再运行 xml_to_yolo.py 文件，不用改直接运行就行。
    

12. 然后 cd .. ，开始训练。

nohup python train.py --weights /home/lyy/code/yolo_for_tennis/weights/yolov5s.pt  --data /home/lyy/code/yolo_for_tennis/data/tennis.yaml --device 3 >tennis_08010.txt 2>&1 &

weights: 权重文件路径，在这个权重的基础上继续训练模型，我这里用的是默认的，相当于是重新训练，效果不好的话，酒吧这个路径改成最新训练出来的权重文件的路径，在已经训练出来的权重文件上继续训练。
data：这个不用改
device：0, 1, 2, 3 （表示用哪块gpu，用最空的那块）
>后面加的是log文件名，2>&1 &这坨别删

我这里没用以前的权重文件，相当于把所有数据都放在一块重新训练了。

log 文件可以查看训练情况， 下面这坨 Epoch 出现就表示成功开始训练 了：

12. 训练好的权重文件一般会在 train/runs 下最新的一个 expxx/weights 文件夹中（best.pt）
    
    

13. 然后运行 gen_wts.py 文件，生成加速后的模型：

python gen_wts.py -w /home/lyy/code/yolo_for_badminton/runs/train/exp20/weights/best.pt -o badminton_0807.wts

-w 权重路径，改成你刚训练好的那个
-o 生成的 wts 文件名

14. 然后你就能在当前文件夹下找到生成的 wts 文件了，下载，然后发给师兄就行了。