利用colab训练YOLOv5

1 colab
关于colab的简介，这里就不做过多的介绍了，想要使用colab需要科学上网，这是重要的前提，不然后面无法进行。
2、YOLOv5
YOLOv5直接github中下载，下面给出地址 https://github.com/ultralytics/yolov5

3、训练
3.1 首先，打开谷歌硬盘，在里面建立一个名叫colab的文件夹，我们把训练的代码以及数据集都放在里面。（我自己的页面是自己之前尝试的过程）

3.2 进入自己建立的colab，文件夹然后右键上传自己的数据集，本次用的是口罩数据集。

3.3 建立colab代码页面，点击新建，更多，选择Google Colaboratory。
如果没有关联过应用可能没有这个选项，需要先进行关联更多应用，然后关联Google Colaboratory。然后就可以用了

3.4 建立完，出现如下页面，可以点击文件的名字，进行名称的修改。

选择GPU 点击修改，然后笔记本设置，选择GPU，然后右边连接选择，第一个连接到托管程序

输入代码

!pwd

查看谷歌给你分配的资源

可以这样理解，/content 相当于你自己电脑的某一个盘，如D盘
输入

 !nvidia-smi

输入此段代码查看分配的GPU信息

将谷歌硬盘里面的文件与colab进行挂载

import os
from google.colab import drive
drive.mount("/content/drive")

进行这一步操作时，需要登陆谷歌账号进行验证，按照提示便可以完成
此时我们点击左侧的文件夹图标 就可以出现上面的图片，出现这样的图片，相信大家都会进行操作，这里面有我们之前上传的mask文件夹，然后就是把yolo代码方法git clone到这个文件夹里面，运行就可以了

先cd进入对应的文件夹

%cd /content/drive/MyDrive/colab

然后，然后将yolov5代码部分clone下来

!git clone https://github.com/ultralytics/yolov5.git

此时你再看文件夹已经多了一项，yolov5的文件夹，
为了保证顺利运行可以将需求的库都下载一下，因为是链接谷歌的，所以配置起来非常快

 !pip install -r requirements.txt`

YOLOv5 的训练部分，也是很简单的，首先打开之前上传的数据集mask文件夹，找到data.yaml,文件夹，对里面的train和valid路径进行修改就可以，
如果大家搞不清楚路径信息，最简单的方式就是，直接点击train文件夹·，右键复试路径就行了，简单粗暴，而且不容易出错

本次训练的模型是yolov5s模型，点击yolov5s的yaml文件，将里面的nc修改成对应的分类数就行，本次的是2

进行训练，执行下面代码，也可以根据自己的需求修改自己的需求，可以加载预训练权重，在weight后面添加对应的权重路径就行了。

!python train.py --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights ' ' --batch-size 16

yolov5完成训练啦，