wusuoweiieq的博客

值得说明的是，v8作为一个工程化代码，不同于v5，你可以依据模块自己创建一个train.py。详细参数可以看下这个yaml配置文件（里面包含了训练，预测，测试等等的所有参数）train.py(我在内部放了一些平时可能用到的超参数，按个人需求修改)predict（内部包含了相关的超参数，这个可以根据需要修改）train（内部包含了相关的超参数，这个可以根据需要修改）val（内部包含了相关的超参数，这个可以根据需要修改）内部文件和v5的一样，复制过来即可，注意改下路径名。数据集文件和之前一样，改个路径即可。

下面代码对img-size进行修改判断，首先，待检测图像的大小不一，对于YOLOv5网络而言，传入的检测图像resize为640。总体代码大致分为3个部分，main（）函数和执行入口，保存参数配置的parse_opt()函数，画框保存等操作的run（）函数。此函数用于定义相关参数，如权重文件，待检测图片/视频，传入网络的图片大小等等，参数较多，不分别说明了。32的倍数，此点需要进一步学习，待修改），为避免失真，因此需要对传入的图像提前进行修改大小。3.结果保存的路径设置（默认为创建，有心思可以修改）

若还是不行，则有可能是cuda节点被占用，修改device（这种情况一般不会发生，毕竟这个参数是切换显卡）yolo v5支持的数据集为txt格式的标签，所以选择VOC格式和ML格式的需要进行转化。txt：存放txt格式的标签（运行xml_to_txt.py文件后生成txt标签）运行xml_to_txt.py，此时txt文件夹中将会出现转化好的标签。在进行完格式转化后，我们还需要对数据集进行划分，训练集，验证集等等。找到这几个模型yolov5l，m，n，x，s。模型之间的区别如下图，大概就是训练效果和速度。

anaconda新建一个py3.8的环境。下载完成后，直接输入。

在requirements.txt文件中可以看到项目的环境要求。即可（这串代码意思是，下载requirements下的包）conda新建环境，python版本为3.8。运行成功后会出现这两个检测好的图片。我安装的是torch1.8.1。注意cuda版本号一致。运行detect.py。