linux下YOLOv5利用命令行训练自己的txt数据集

1.下载YOLOv5模型及权重文件

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

并将权重文件放在YOLOv5下的weights文件夹下

2. 安装所需的库

pip install -r requirements.txt

3.检验是否可以运行

python3 detect.py

4.放入图片及标签

将Windows下的图片和txt标签压缩为zip，通过rz传输到服务器上 。

在服务器下通过

unzip 文件名 -d 解压路径

将传输的图片标签解压导服务器上。并在YOLOv5的data下新建images、labels、ImageSets三个文件夹（mkdir）

再通过命令

mv 移动的图片/标签 移动到的路径

将解压的图片和标签放入data下的images和labels下

再cd 到YOLOv5目录下，通过rz将makeTxt_for_txt.py和voc_label_for_txt.py传输到服务器上来

#先运行makeTxt_for_txt.py

python3 makeTxt_for_txt.py

#再运行voc_label_for_txt.py

python3 voc_label_for_txt.py

在ImagesSets下新建了四个txt文件；

在data下新建了data/train.txt、data/train.txt、data/val.txt三个txt；

5.将修改好的配置文件通过rz传入服务器，并移动到data下

 6.将models下的yolov5s.pt中的nc改成自己的种类数

7.开始训练

python3 train.py  --img-size 640 --batch-size 16 --epochs 80 --data data/food.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt 

 通过--变量 参数 给train.py指定各种参数，就可以开始训练

训练完后得到best.py和last.py

8.推测

训练完后将得到的best.py放入detect.py的第一行，第二行再指定图片或视频 

通过命令行

python3 detect.py --weights weights/best.pt --source 图片或视频路径

进行推测并得到结果，然后cd到结果所在的路径，通过sz 图片名称 将图片传输到Windows进行查看推测效果。