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5.5w 收藏 537
点赞数 88
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
本文介绍了如何在Windows环境下，从安装Anaconda、创建虚拟环境到利用YOLOv5训练自己的目标检测数据集，包括数据标注、预处理、下载预训练模型及模型训练的全过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

【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

了解本专栏 订阅专栏 解锁全文 超级会员免费看
手把手教你使用YOLOv11训练自己数据集（含环境搭建 、数据集查找、模型训练）
tsg6698的博客
09-30 3万+
一、前言本文内含YOLOv11网络结构图 + 训练教程 + 推理教程 + 数据集获取等有关YOLOv10的内容！官方代码地址：https://github.com/ultralytics/ultralytics/tree/main/ultralytics/cfg/models/11三、环境搭建 项目环境如下： 解释器：Python：3.9.19 框 架：Pytorch：2.0.1 系 统：Win10 IDEA
手把手教你使用YOLOv10训练自己数据集（含环境搭建 、数据集查找、模型训练、测试）
tsg6698的博客
06-11 5977
在过去的几年里，YOLO 因其在计算成本和检测性能之间的有效平衡而成为实时目标检测领域的主要范例。研究人员对 YOLO 的架构设计、优化目标、数据增强策略等进行了探索，取得了显着进展。然而，后处理对非极大值抑制（NMS）的依赖阻碍了 YOLO 的端到端部署，并对推理延迟产生不利影响。此外，YOLO中各个组件的设计缺乏全面彻底的检查，导致明显的计算冗余并限制了模型的能力。它提供了次优的效率，以及相当大的性能改进潜力。在这项工作中，我们的目标是从后处理和模型架构方面进一步提升 YOLO 的性能效率边界。
【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
分布式事务
最新发布
一瓢西湖水的博客
03-16 1062
应用程序通过与事务管理器开启全局事务，待全局事务开启之后，访问本地资源管理器，本地资源管理器向事务管理器申请注册分支事务，在完成逻辑操作之后，通过事务管理器，进行两阶段提交协议 ，进行协调各个本地资源管理器进行提交或者回滚操作。，第一阶段：can commit阶段，协调者询问事务参与者，是否有能力完成此次事务，如果都返回yes，则进入第二阶段，否则中断事务，向所有参与者发送abort请求，另外两阶段就是2PC，也就是上述的两阶段协议。参与者检查自身状态，如果可以进行事务提交，则返回Yes，否则返回No。
使用Yolov5训练自己制作的数据集，快速上手（详细图文教程）
qq_40280673的博客
06-08 2万+
总结了快速上手Yolov5训练自己制作的数据集的方法，教程步骤很详细，学者耐心看。
【目标检测】全网最全最详细YOLOv5训练自定义数据集教程
小白一枚～
11-10 9601
本教程专为刚入门 YOLOv5 并渴望训练自定义数据集的初学者设计，从零开始，详细介绍了项目的完整流程。通过使用 Conda 环境管理，在 PyCharm 中部署 YOLOv5，实现自定义数据集的目标检测任务。
YOLOv5_5.0训练自己的数据集
ggbb_4的博客
11-27 4228
使用YOLOv5训练自己的数据集
在yolov5上训练自己的数据集
Lxq的博客
10-19 486
在yolov5上训练自己的数据集一.下载yolov5工程文件二.创建数据集三.训练四.测试 一.下载yolov5工程文件 链接: https://github.com/ultralytics/yolov5. 根据提示运行如下命令 $ git clone https://github.com/ultralytics/yolov5 $ cd yolov5 $ pip install -r requirements.txt 安装完成后，会有一个yolov5文件夹 二.创建数据集 创建数据文件夹 在yolov
使用YOLOv5训练自己的数据集
zzpl139的博客
12-08 5272
使用YOLOv5训练自己的数据集
YOLOV5训练自己的数据集
游星的博客
04-07 1842
最近做人工智能大作业，采用YOLOV5目标检测算法，遇到了很多问题，在此记录。 内容待更新…… 文章目录@[toc]下载YOLOV5项目准备数据集标注数据集制作项目所需的数据集数据集的配置选择一个预训练模型调整命令行参数开始训练问题汇总参考 下载YOLOV5项目 git下载地址：https://github.com/ultralytics/yolov5/tree/v3.0 注意:YOLOV5其中有很多个版本，一定要选择自己需要的版本！如果只是在同一个项目中训练并测试，那么版本并不会产生影响，如果想将自.
yolov5训练自己的数据集
Dongjiuqing的博客
01-09 654
在github上找到了非常良心的一个中文复现yolov5的链接。 https://github.com/DataXujing/YOLO-v5 这个是官方发布的链接： https://github.com/ultralytics/yolov5 本想用yolor训练自己的数据集，因为比较着急，不熟悉docker，因此使用了yolo5替代。 由于已经有了VOC格式的数据集，所以很快就复现了这个代码。现在记录一下过程和遇到的问题。 1 配置环境 这个链接和官方发布的版本基本是一样的。因此我按照官网陈述的环境进行配置
YOLOv10 | 手把手教你利用yolov10训练自己数据集（含环境搭建、参数解析 、数据集查找、模型训练、推理、导出）
热门推荐
Snu77的博客
05-26 3万+
本文内含YOLOv10网络结构图 + 各个创新模块手撕结构图 + 训练教程 + 推理教程 + 参数解析 + 环境搭建 + 数据集获取等一些有关YOLOv10的内容！目录一、前言二、整体网络结构图三、空间-通道分离下采样3.1 SCDown介绍3.2 C2fUIB介绍3.3 PSA介绍四、环境搭建五、数据集获取六、模型获取七、模型训练7.1 训练的三种方式7.1.1 方式一7.1.2 方式二（推荐）7.1.3 方式三八、模型验证/测试九、模型推理十、模型输出官方论文地址点击此处即可跳转。
【图文并茂】【一篇搞定】yolov5训练自己的数据集（交通训练集）
半岛铁盒里
05-11 2358
【图文并茂】【一篇搞定】yolov5训练自己的数据集（交通训练集）
超级详细Windows11部署YOLOV5并训练自己的数据集
2301_81286570的博客
02-11 2271
完成后，运行python detect.py即可,在runs/detect/exp文件路径下，能够显示以下图片，表示yolov5部署成功。首先打开pycharm，新建项目，如下图所示，找到下载好的anaconda文件夹中python路径，接着点击创建。将下载好的cudnn文件夹中的include，bin，lib分别放到cuda对应的文件夹中。找到对应的cudnn版本，点击下载安装即可，下载完成后，解压到容易找到的路径。打开环境变量，注意，这次是在上面的栏目找到path，点击进行编辑。
【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