手把手教你用YOLOv5训练自己的数据集（从Windows环境配置到模型部署）

已于 2022-02-24 15:23:31 修改
阅读量5w 收藏 519
点赞数 83
分类专栏： ▶ 深度学习-计算机视觉 文章标签： python 深度学习 目标检测 图像处理 计算机视觉
于 2020-12-04 18:43:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44936889/article/details/110661862
版权

【小白CV】手把手教你用YOLOv5训练自己的数据集（从环境配置到模型部署）

在这里插入图片描述

本文禁止转载

前言：

今天有时间，就写一下用yolov5训练自己数据集的博客吧。
在这里插入图片描述

1. 安装Anaconda：

Anaconda官网：https://www.anaconda.com/

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
下载完成后打开一路Yes即可，只需要注意这里要将conda添加到PATH：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
BIT可达鸭
关注
  • 83
    点赞
  • 踩
  • 519
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 66
    评论
专栏目录
订阅专栏
【小白CV】手把手教你用YOLOv5训练自己的数据集（从Windows环境配置到模型部署）_梁瑛平的博客-CSDN博客.pdf
12-02
【小白CV】手把手教你用YOLOv5训练自己的数据集（从Windows环境配置到模型部署）_梁瑛平的博客-CSDN博客.pdf
使用YOLOv5训练自己的数据集
热门推荐
laovife的博客
06-17 4万+
使用YOLOv5训练自己的数据 新东西出来，总是要试试，这几天使用了yolov5跑了几个模型，特来记录一下心得与坑。 作者给出的教程，可以先浏览一下: link. 源码下载链接: link. 一.环境部署 yolov5基于pytouch，在测试时发现与环境内的tensorflow会产生冲突，建议用ANACONDA新建pytouch的独立环境。 打开文件夹里的requirements.txt文件，用ANACONDA手动安装，或 pip install -U -r requirements.txt ...
Yolov5——训练目标检测模型详解（含完整源码）
CherriesOvO的博客
05-27 1556
新建一个名为VOC2007的文件夹，在里面创建一个名为JPEGImages的文件夹存放需要打标签的图片文件；再创建一个名为Annotations的文件夹存放标注的标签文件；模型训练完成后，会在主目录下产生一个名为runs的文件夹，在runs/train/exp/weights目录下会产生两个权重文件，一个是最后一轮的权重文件，一个是最好的权重文件。（注：由于模型训练轮数以及数据集较少等原因，本项目中模型准确率较低，建议增加训练轮数以及数据集大小以获得更高准确率）
YOLOv5训练自己的数据集并测试（以及踩坑记录）
weixin_46599926的博客
08-31 7229
YOLOv5是一个非常流行的图像识别框架，这里介绍一下使用YOLOv5给自己的数据集进行训练和测试下面逐步来演示一下
YOLOv5训练自己数据集（详细易懂版）
m0_60985598的博客
06-05 1万+
YOLOv5作为图像检测界的一哥，检测效果毋庸置疑，本篇文章就带你一起手把手教学YOLOv5实现。
Windows10+YOLOv5训练自己的数据集
qq_40927867的博客
04-16 2万+
Windows10+YOLOv5训练自己的数据集一、环境和配置1.1 安装anaconda1.2 在anaconda中安装pytorch虚拟环境1.3 安装CUDA和cudnn1.4 安装pytorch GPU版二 源码测试2.1 下载源码2.2 安装依赖项2.3 测试2.3.1 下载权重文件2.3.2 测试三、训练自己的数据集 一、环境和配置 系统：window10 CUDA：10.1 CUDNN：7.4 python：3.7 opencv-python>=4.1.2 pytorch>=1.7
YOLOv5训练自己的数据集详解
tt丫的博客
02-11 4万+
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。 一、YOLOv5源码下载 网址指路：GitHub - ultralytics/yolov5: YOLOv5 ???? in PyTorch > ONNX > CoreML > TFLite 用git克隆下来 二、环境配置 文件夹中有一个文件requirements.txt，这里是环境依赖的说明 我们在终端输入pip install -r requirements.txt下载
YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)
06-21
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能，更加灵活和易用，当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。  本课程的YOLOv5使用ultralytics/yolov5，在Windows和Ubuntu系统上分别做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 除本课程《YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)》外，本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：《YOLOv5(PyTorch)目标检测：原理与源码解析》课程链接：https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战：Flask Web部署》课程链接：https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战：TensorRT加速部署》课程链接：https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战：Jetson Nano部署》课程链接：https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接：https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接：https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接：https://edu.csdn.net/course/detail/35284  
yolov5训练自己的数据集
kaoyandianlu的博客
08-11 1594
本人采用的是电力标识牌（200张图片）作为数据集，首先在电脑终端cmd输入labelimg，回车，打开标注软件左侧open dir选择数据集图片路径，change save dir是标签路径，文件格式选择yolo，也可以选择voc,然后通过脚本转换成yolo。本文直接采用yolo格式。连续打200张图片标注。数据集文件dianlibiaoshipaiA的结构。......
YOLO-V5分类实战系列 —— 快速训练自己的数据集
DAOCHI
06-14 1万+
YOLO-V5 训练自己的分类模型 1、获取官方源码 2、测试官方源码 2.1、公开数据集测试源码 3、源码模块解析 3.1、数据读取 4、快速开始训练自己的数据 4.1、准备自己的数据 4.2、配置训练参数
Yolov5训练自己的数据集（超详细）
一位安分的码农的博客
07-08 1万+
一、从官网下载最新的yolov5代码 二、新建VOCData文件夹 三、VOCData文件夹结构 1、新建Annotations文件夹，存放标签 简单的xml文件，应该长这样 复杂的xml文件，应该长这个样子 2、新建images文件夹，存放图片数据 注意：需要观察自己的图片文件的后缀名，后面需要用到，不然可能出现程序找不到图片的情况 3、新建split_train_val.py，用来划分训练集与验证集 运行之后，会发现VOCData文件夹里面多了ImageSets文件夹 里面包括四个txt文
YOLOv5(PyTorch)实战：训练自己的数据集(Windows)
06-30
本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。  本课程的YOLOv5使用ultralytics/yolov5，在...
YoloV7实战：手把手教你使用Yolov7进行物体检测（附数据集）源码
10-12
YOLOv7 在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的物体检测器，并且在 GPU V100 上 30 FPS 或更高的所有已知实时物体检测器中具有最高的准确度 56.8% AP。...
yolov3训练环境配置及训练教程（YOLOv5部分通用）
02-13
YOLOv3训练环境配置与训练教程主要涵盖了三个核心步骤：环境配置、数据整理和模型训练。对于初学者来说，这些步骤是实现目标检测模型训练的基础。 首先，环境配置是开始训练模型的第一步。推荐使用Anaconda3进行...
YOLOv5(PyTorch)实战：训练自己的数据集(Ubuntu)
06-30
本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。  本课程的YOLOv5使用ultralytics/yolov5，在...
YOLOV5训练自己的数据集教程（万字整理，实现0-1）
m0_73776435的博客
03-31 5876
YOLOv5是一种单阶段目标检测算法，该算法在的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。YOLOv5是Glenn Jocher等人研发，它是Ultralytics公司的开源项目。YOLOv5根据参数量分为了n、s、m、l、x五种类型，其参数量依次上升，当然了其效果也是越来越好。从2020年6月发布至2022年11月已经更新了7个大版本，在v7版本中还添加了语义分割的功能。
Yolov5训练自己的数据集(最详细教程)
slamer111的博客
12-28 4830
默认使用anaconda来管理python环境。1.创建虚拟环境2.根据自己安装的CUDA版本去pytorch官网下载torch等。因为我的CUDA是11.1，默认的没有，点击下面的previous versions of pytorch看以前的版本。发现torch1.10.1可以3.下载yolov5代码。
【YOLOv5进阶】——模型结构与模型原理&YOLOv5源码解析
最新发布
weixin_51658186的博客
06-03 1407
网络的具体结构在common.py、yolo.py、yolov5s.yaml这三个文件，修改网络结构是从这三个文件入手！
【小白cv】手把手教你用yolov5训练自己的数据集(从windows环境配置到模型部署)_梁
09-27
要使用Yolov5训练自己的数据集，首先需要在Windows环境下进行配置和模型部署。以下是一步一步的指导： 1. 确保你的电脑上安装了Python和PyTorch。你可以在官方网站上下载并安装它们。 2. 下载Yolov5源代码。你可以在GitHub上找到Yolov5的仓库，下载并解压文件到你的电脑上。 3. 准备你自己的数据集。你需要将数据集的图像和标签准备好，并按照Yolov5的格式进行标注。确保每个标签文件与其对应的图像在同一个文件夹下。 4. 修改Yolov5的配置文件。在源代码文件夹中找到`yolov5/models/yolov5s.yaml`文件，使用文本编辑器打开它。根据你的数据集，修改`nc`（类别数）和`names`（类别名称）的值。 5. 划分数据集。将数据集划分为训练集和验证集。在`data`文件夹中创建一个`train.txt`文件，将训练集图片的路径写入其中。同样地，在`data`文件夹中创建一个`val.txt`文件，将验证集图片的路径写入其中。 6. 开始训练。打开命令提示符（CMD）或PowerShell，并进入Yolov5源代码的文件夹目录。输入以下命令开始训练：`python train.py --img 640 --batch 16 --epochs 100 --data data.yaml --cfg models/yolov5s.yaml --weights '' --name yolov5s_results`。请根据你的需要进行参数的调整。 7. 完成训练后，你将得到训练好的模型。该模型将保存在`runs/train/`文件夹中，你可以在该文件夹中找到最佳的模型权重文件。 8. 部署模型。你可以使用该模型进行目标检测任务。在源代码文件夹中，找到`detect.py`文件，并使用文本编辑器打开它。根据你的需求，修改`weights`参数为你训练得到的模型权重文件路径。 9. 运行检测脚本。在命令提示符或PowerShell中输入以下命令：`python detect.py --source test.jpg --weights runs/train/yolov5s_results/weights/best.pt`。请将`test.jpg`替换为你想要进行目标检测的图片。 通过按照上述步骤进行操作，你就可以使用Yolov5训练自己的数据集，并进行模型部署了。记得根据你的具体情况进行参数和路径的调整。祝你成功！
评论 66
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

BIT可达鸭

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值