Yolov5从零配置训练环境并标注数据

yolov5环境配置

工欲善其事必先利其器，首先我们需要下载yolov5需要的标注工具源码和yolov5代码。下载之后将lableImg放在yolov5的文件夹里面，保证所有的路径不能包含中文：就像下面这样：

yolov5源码下载
lableImg源码下载
yolov5源码里面的requirements要求我们torch和torchvision需要满足一定的版本。
torch>=1.7.0
torchvision>=0.8.1
我认为这两者才是requirements里面最重要的。由于的电脑安装的cuda是10.1，所以我就使用这个版本的电脑来安装相应的torch和torchvision。 后面使用的pip推荐大家自行搜索一下国内的源比如豆瓣之类的，下载速度比较快。
第一步：当然是创建一个新的环境

conda create -n yolo python==3.8 

第二步：安装yolov5所需要的环境
首先将自己路径切换到requirements.txt所在的文件夹下面

pip install -r requirements.txt

第三步：安装可以使用gpu的torch和torchvision
我在完成第二步的时候进行该环境查看Gpu是否可用的时候出现了False，

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

这是由于安装的版本不适配所以gpu使用不了。之后我去torch和trochvision的适配网站上查询到了一个适合yolov5并且可以在cuda10.1上运行的版本。可以使用一下的指令更新torch和torchvivision。

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101

经历了这一步之后那么大家的yolov5的环境可以说是没有什么问题了，现在让问再次查看自己的gpu是否可用：

大家可以看到现在我们可以顺利的使用到自己的gpu了。下面的这幅图片是我自己在yolo环境里面的torch配置。

标注数据

文件夹准备

在安装好yolov5的数据集之后，还需要自己将自己的数据进行标注：在做其他事情之前还需要在yolov5的文件夹下面建立一个叫做**VOCData（也可以自己起名）**的文件夹用来存放自己的数据和之后标注好的数据：一共需要创建三个文件夹，其关系如下：

yolov5根目录：
            --VOCData(自己创建）
              --images(自己创建）
              --Annotations(自己创建）

首先在yolov5下创建VOCData文件夹，之后在VOCData下面创建imgas和Annotations文件夹，之后将训练的数据图片放入imags文件集。

下载相关的环境

labelImg加载相关的包就比较简单了，在windows和anaconda配合下，将路径切换到上面的labelImg-master文件夹下面，之后在执行上面的操作就可以了。就比如下面的操作过程。

以后如果想要运行labelImg这个程序还是需要将目录切换到labelImg-master下面执行：

python labelImg.py

画面打开之后是这个样子的：

1. 点击打开目录选择为之前放置图片的imags文件夹，
2. 之后点击改变存放目录设置为Annotations文件夹，
3. 之后点击编辑标签将自己数据集里面的各个标签设置之后放入。
4. 最后就可以开始标注数据了。
5. 最后需要点击保存按钮。

关于cuda版本不同的问题

如果大家已经安装了cuda的话，第一步的torch和torchvision就可以不用按照我的来安装了，按照自己的cuda版本号在pytorch官网上寻找对应的torch和pytorch版本就可以，只要满足yolov5的requirements里面对这两个包的限制就可以。
查询自己的cuda版本方法就是：nvcc -V

引用

Yolov5训练自己的数据集（详细完整版）