AI视觉训练环境-【2】开发客户端搭建

        本文介绍搭建一套简单的AI视觉训练环境的过程，作者也是刚开始接触机器视觉，现将学习过程中的搭建过程梳理下来分享给大家。创作过程实属不易，如不喜欢请轻轻绕过，如有建议无比欢迎，只愿我们共同进步。

训练环境

1.概述

         开发环境基于yolov5进行训练演练，开发人员通过PyCharm、VSCode等开发环境连接至远程训练服务器的容器，利用训练服务器的GPU进行训练。

        开发端操作系统：Windows

2.Anaconda安装

2.1程序安装

官方下载地址：https://www.anaconda.com/products/distribution
下载windows版本进行安装，具体安装步骤忽略。

2.2配置环境变量

        在 控制面板\系统和安全\系统\高级系统设置\环境变量\用户变量\PATH  中添加 anaconda的安装目录的Scripts文件夹, 比如我的路径是C:\Users\name\anaconda3\Scripts, 看个人安装路径不同需要自己调整。
        之后就可以打开Anaconda Prompt命令行，输入

conda --version

        如果输出conda 4.4.11之类的就说明环境变量设置成功了。
        为了避免可能发生的错误, 我们在命令行输入以下命令，对所有工具包进行升级：

conda upgrade --all 

2.3添加下载源

打开打开C:\User\name\ .condarc，（如：C:\Users\xiyou）
用记事本打开.condarc文件,修改内容如下：

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true

3.数据标注工具安装

        数据标注工具我们选择labelImg，labelImg是一种矩形标注工具，常用于目标识别和目标检测，其标记数据输出为.xml和.txt。

3.1创建虚拟环境

1）    启动Anaconda Prompt创建虚拟环境，命名为labelimg

conda create -n labelimg python=3.8 -y

2）    切换至该虚拟环境

conda activate labelimg

 3.2安装labelImg

1）安装依赖包PyQt5、pyqt5-tools、lxml

pip install PyQt5 pyqt5-tools lxml -i https://pypi.tuna.tsinghua.edu.cn/simple

2）安装labelImg

pip install labelImg -i https://pypi.tuna.tsinghua.edu.cn/simple

3）运行labelImg启动，如果正常打开labelImg工具，则安装成功。

labelImg

4.数据标注

4.1数据预处理

1）数据去重
     可利用visipics工具对重复的图片进行处理，下载地址如下：
http://www.winwin7.com/soft/7756.html
2）数据集拆分
    首先准备好需要打标注的数据集，我们创建一个名称为MyData的文件夹，里面创建一个名称为Images的文件夹用于存放需要打标签的原始数据；再创建一个名称为labels的文件夹用于存放标注的标签文件；再创建一个名称为predefined_classes.txt的文件，用于存放标注类别的名称。

创建images文件夹和labels文件夹，分别存放图片和标注文件，如下：

MyData/       
  ├── images/    # 原始图片文件所在目录
  ├── labels/     # 标注文件所在目录
  ├── predefined_classes.txt   # 标注类别定义 
  ├── splitYoloDataSet.py     # 数据集拆分脚本    

其中：

•  predefined_classes.txt文件中的分类标签定义，例如：

• splitYoloDataSet.py 脚本的内容如下：

im