yolov5

---

下载yolov5

去github上去下载代码https://github.com/ultralytics/yolov5
也可以git克隆

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

安装yolov5所需的库

使用pycharm打开yolov5的代码，找到requirement.txt复制pip install -r requirements.txt，然后打开Anaconda Prompt激活虚拟环境，然后输入

pip install -r requirements.txt

上面这个方法小编并没有实现，所以进行下面的方法安装yolov5所需的包。添加了豆瓣源的镜像，这样下载快一点，依次输入下面的命令进行包安装。

pip install opencv-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

pip install Cython -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

pip install PyYAML -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

pip install tqdm tensorboard -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

pip install scipy coremltools -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

pip install thop seaborn -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

pip install coremltools==4.0b3 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

pip install scikit-learn==0.19.2 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

这样基本就安装完成，现在训练coco128数据集。

训练coco128数据集

1.在训练的时候，需要先下载yolov5的权重包，官方提供了四个权重，yolov5s、yolov5m、yolov5l、yolov5x，运行项目就可以直接下载。出错的的话，这里也提供了百度云下载地址。
权重：链接：https://pan.baidu.com/s/1eEBX5RosUfNGAhl2xcHbAw
提取码：1122
复制这段内容后打开百度网盘手机App，操作更方便哦
把下载好的权重放到yolov5项目的weights里。

2.接下来只需要训练coco128数据，下载coco128数据集的时候可能无法解压，这里也提供了coco128数据集的下载。
coco128数据集：链接：https://pan.baidu.com/s/1V9gbnVFo-7D0wP6YlT2HSg
提取码：2233
复制这段内容后打开百度网盘手机App，操作更方便哦
将下载好的coco128数据集放入项目所在的文件夹

3.现在打开yolov5项目的data文件夹，再打开coco128yaml文件进行编辑，注释掉download的那一行

4.在pycharm里选择file，点击setting，将环境切换到pytorch1.7，
现在开始训练，点击pycharm下方的Terminal，激活pytorch1.7环境。

接下来，输入下面代码就开始训练coco128数据集

python train.py --img 640 --batch 16 --epochs 32 --data ./data/coco128.yaml --cfg ./models/yolov5s.yaml --weights ./wei
ghts/yolov5s.pt

训练完毕后，模型会出现在runs文件夹中，Teminal也会提示，这里是在exp26中

接下来就是放入图片进行检测，这里没有测试数据集，就还是使用coco128数据集进行检测，权重就是选择训练出来的模型。

python detect.py --source ../coco128/images/train2017/ --weights ./runs/train/exp26/weights/best.pt

识别效果

YOLOv5安装笔记（1）——安装环境（windows版本）
YOLOv5安装笔记（2）——安装其他包和训练coco数据集