使用已有的数据集在Windows上训练yolov5

1.本博客仅作为个人学习使用，以防未来忘记。

2.如果这篇文章有幸被浏览，有问题欢迎提问，虽然楼主也是小白哈哈

3.我这里已经安装了最新版的anaconda3和pycharm以及cuda（pytorch安装在虚拟环境，我下面会说），注意这里pytorch和cuda的版本必须匹配（之前下载的不匹配或cuda只支持cpu，后续搞了半天）。

4.注意：pip pytorch的时候只用原网站，就是官网网站，使用清华源只能下载到支持cpu而不是cuda的pytorch。安装pytorch，注意下载cuda，那个博客没写。

5.我这里是用windows训练的模型，不是在Linux/macOS上训练，以后可能会写，如果有的话我会回来补充的。

觉得官网直接下载太慢，那就科学上网吧。

以上是注意事项，下面是正题。

一、下载CUDA

下载教程

二、从github下载yolov5库

下载地址，下载这个压缩包

三、创建一个虚拟环境

1.创建一个容纳虚拟环境的文件夹，将下载的yolov5库的内容全部复制过来。

我这里是D:\yolov5_test2

2.打开cmd，win+r输入cmd或者在搜索中搜索命令提示符

2.导航到你想创建虚拟环境的目录

cd C:\projects\myproject

如果你想换盘，也就是说你是在c盘打开cmd但目标虚拟环境在d盘，可以像我一样输入

cd /d D:\yolov5_test2

其中，在cd后加入/d就是换盘指令。

3.创建虚拟环境

python -m venv venv

如图

然后在yolov5_test2文件夹中就能找到一个叫venv的文件夹，它就是你的虚拟环境

4.激活虚拟环境

输入以下代码，回车

venv\Scripts\activate

出现如图所示的情况，代表成功激活

四、关于数据集

已经准备好的数据集，其构成如图

其中，前三个文件夹的内容分别都是一个图片文件夹，一个标签文件夹。标签文件夹内的文件应是txt文件，如果是xml文件，需要写一个算法转换，我这里暂时没有xml文件，所以没写转换，以后有机会就补上，急着用的可以去找一下教程，这个还是比较简单的。

另外还有一个比较重要的是那个data.yaml文件，打开是以下内容

 代表一会训练模型时的检索路径，nc代表种类，names代表训练结果的名字，也就是训练结果框上的名字。

将数据集的test、train以及valid文件夹都复制粘贴到目标文件夹，我的就是yolov5_test2文件夹内，将data.yaml粘贴到目标文件夹的data文件夹里面。

五、下载 依赖项 以及pytorch

在刚才激活虚拟环境的界面输入如下代码 

pip install -r requirements.txt

然后开始下载……（建议科学上网，不然会有点久）

这里好像不小心下载了torch库，那有必要检查一下版本对不对。

在命令行输入

python -c "import torch; print(torch.__version__)"

可以看到确实是下错了，是cpu+，不支持cuda加速，即不能使用GPU加速，如果仅想用cpu训练模型的话可以忽略下面的步骤，直接跳到训练模型了。

1、首先应该卸载原有的torch和torchvision库，防止版本冲突

pip uninstall torch torchvision

2、其次需要下载合适版本的pytorch，必须到官网下载，清华源的下载不了对应cuda版本的pytorch，最后版本检测还是只支持cpu，楼主这曾经被卡了好久。

在命令行输入官网提供的代码，一定要选择匹配自己cuda版本的pytorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

3、下载好以后，再次检测版本，可以看到版本已经对了

 下面就可以开始训练模型了

六、训练模型

输入以下代码，这里是我的代码

python D:\yolov5_test2\train.py --img 640 --batch 8 --epochs 100 --data D:\yolov5_test2\data\data.yaml --weights D:\yolov5_test2\yolov5s.pt --name yolov5s_results

其中，在你的目标文件夹里，由于你复制了yolov5库，里面应该有个train.py文件。图片设为640，每批次8张，训练100轮，数据源来自目标文件夹的data文件夹里的data.yaml文件，基于yolov5库里的yolov5s.pt权重文件进行训练。

训练过程如图所示。

训练结束，训练成果位于 目标文件夹\runs\train文件夹中，其中，exp4/weights文件夹中的best.pt或者last.pt就是训练好的模型，可以根据需要二选一。

七、使用模型

1.使用pycharm打开项目，我这里是yolov5_test2

2.打开detect.py

修改其中的三个文件，分别是模型文件、需要标注的图、标注yaml文件，如图

例如第一个框可以改成上面的best.pt文件，后面的就不多说了。

3.开始标注，大功告成。