yolov5 相关操作个人记录

每次重启环境操作的指令

使用的文件位置：E:\pycharm\python\yolov5\yolov5-7.0

conda activate yolov5

E:
cd E:\pycharm\python\yolov5\yolov5-master
cd E:\pycharm\python\yolov5\yolov5-7.0
cd E:\pycharm\python\yolov5\yolov5-src

yolov5 记录

一些命令环境

https://github.com/ultralytics/yolov5
    
    
pip install -r requirements.txt

python detect.py   #看结果

# 测试自带的权重文件
#python .\detect.py --source .\data\images --weights .\weight\yolov5s.pt


#cpu
#python detect.py --weights yolov7.pt --source bus.jpg --no-trace --device cpu

#gpu
#python detect.py --weights yolov7.pt --source bus.jpg --no-trace

环境操作

conda create -n yolov5 python=3.8
conda activate yolov5

F:
cd F:\Installation package\cuda and cudnn
conda install torch-1.12.1+cu113-cp38-cp38-win_amd64.whl

yolo项目操作

#git clone https://github.com/ultralytics/yolov5.git    没什么用

#自己下安装包放到一个合适的位置
E:
cd E:\pycharm\python\yolov5\yolov5-master
    
pip install -r requirements.txt
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
    

小问题总结

参考：https://blog.csdn.net/weixin_37989267/article/details/128326603

https://blog.csdn.net/a1130061818/article/details/123811002

不解决应该会有一些包安不上

按照方法解决，无报错

安装测试

python detect.py --source ./data/images/ --weights weights/yolov5s.pt --conf 0.4

没有问题

换一个更大的模型

python detect.py --source ./data/images/ --weights weights/yolov5x.pt --conf 0.4

查看torch版本

进入anaconda prompt，随意创建一个虚拟环境

conda create --name yolov5 python=3.8
conda activate yolov5
conda activate fps


E:
cd E:\pycharm\python\FPS\yolov7
    
python detect.py --source bus.jpg


python			#进入python交互环境

import torch
torch.__version__
torch.cuda.is_available() # 查看GPU是否可用 

torch gpu安装

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

import torch
print(torch.cuda.is_available())

数据集训练

python get_voc_windows.py

运行结束后，在VOCdevkit / VOC2007和VOCdevkit / VOC2012目录下可以看到生成了文件夹labels ；在VOC目录下

生成了images和labels文件夹；

在yolov5目录下生成了文件2007_train.txt, 2007_val.txt, 2007_test.txt, 2012_train.txt,

2012_val.txt,train.txt, train.all.txt。

labels下的文件是JPEGImages文件夹下每一个图像的yolo格式的标注文件，这是由annotations的

xml标注文件转换来的

train.txt和2007_test.txt分别给出了训练集图片和验证集图片的列表，含有每个图片的路径和文件

名。

VOC/images文件夹下有train和val文件夹，分别放置训练集和验证集图片；VOC/labels文件夹有

train和val文件夹，分别放置训练集和验证集标签（yolo格式）。

修改配置

新建文件data/voc-new.yaml

# download command/URL (optional)
#download: bash data/scripts/get_voc.sh

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 
# list: [path1/images/, path2/images/]

train: VOC/images/train/  # 16551 images
val: VOC/images/val/  # 4952 images

新建文件models/yolov5s-voc.yaml,源于yolov5s.yaml仅修改参数

# parameters
nc: 20  # number of classes

训练

python train.py --data data/voc-new.yaml --cfg models/yolov5s-voc.yaml --weights weights/yolov5s.pt --batch-size 16 --epochs 200 

不运行

https://blog.csdn.net/qq_26420885/article/details/128629128

看了一下，基本确定是numpy的问题，我的版本可能比较过新，不适配老师老的环境，安装requirements用的是新的，尝试更改一下

到原文件夹的requirements看了一下版本，先安1.18.5，后安了1.20.3，再跑一次次看看，没问题了

按这个速度不知道要跑到什么时候，

跑了一小会，寄

参考：https://blog.csdn.net/SpadgerZ/article/details/115584829
无问题，就是盘炸了

小问题总结

期间跟教程，但下载了最新的yolov5一直在保找不到文件的错，于是在这一点花了不少时间，翻博客时发现可能是库的版本不对，于是调换对应的版本，仍然报错，但都解决了，参考如下：

一直报错，且报不同的错，大致都是文件位置不对的错，察觉到自己最大问题的：https://blog.csdn.net/LYiiiiiii/article/details/119775311

解决后，又出的问题：https://blog.csdn.net/hjxu2016/article/details/121303818

接着出问题，教程较早，numpy库更新了：https://blog.csdn.net/m0_47026232/article/details/128887778

https://blog.csdn.net/qq_26420885/article/details/128629128

最后出问题，conda环境在C盘,项目在E盘，未分配虚拟内存：https://blog.csdn.net/weixin_46133643/article/details/125042903

基本都是环境的问题，记录一下就当长个心眼，花了好几个小时，基本等于白给了。