YOLOV5在python上的实现全过程说明，引用来自“炮哥带你学”博主。

使用前的工作–配置各种环境

详细说明：https://blog.csdn.net/didiaopao/article/details/119787139

首先安装Anaconda：用来给python部署环境envs。当然直接从prcharm里面进行自建环境也行，但是需要注意pip安装默认安装在C盘（一般不推荐把环境放在C，因为随着你的使用，环境将越来越大），需要自己更改默认安装地址。

使用Anaconda的好处是能够自己部署环境，且各种库安装方便。部署之后呢，即使通过pycharm的pip安装，也能将各种库安装到Anaconda下。

其他优点就不再叙述，跟着学就完了。

使用目标检测，需要用到pytroch库，驱动的版本对应要选择合适的pytorch版本。

现在目前阶段清华源镜像不怎么好用了，推荐大家换其他的镜像源，比如北京外国语大学。

制作数据集

详细说明：https://blog.csdn.net/didiaopao/article/details/119808973

在使用Imagelabel的时候，一定要注意的是在某张图像的上某个车辆它位于图像的边缘上，那你在打标签的时候千万不能让标签框接触到图像的边界，不然到时候你训练的时候就会报错。

如果不想进行手动打标签，那么你就需要下载别人开源的数据集。

YOLOv5目前的标签格式是txt，其中每个txt文件的第一列是类别序号，0、1、2、3。。。。代表你之前在打标签时候的类别，比如0就代表着car，1就代表着bus等。基本上最后一个文件就是classes.txt，里面就是类别。不管是自己的还是别人的数据集，如果没有这个文件，你要搞明白标签中数字对应的类别，而且顺序千万不能错。

所以转换或者后期对标签进行处理的时候不仅要注意第一列的标签，而且后续几个坐标是boundingboxes的左上角、右下角的坐标还是中心坐标加上宽和高，这些需要自己搞清楚，不然转换过去也是错误的boundingboxes。

其中转换的说明：https://blog.csdn.net/didiaopao/article/details/120022845
这只是一小部分，现在开源的格式有很多种，你需要了解不同数据集的不同说明，然后按照你所用算法的需求进行转换。

开始使用YOLOv5

开始训练之前，需要将数据集按照YOLOv5模型的加载函数正确存放，不然你需要自己修改数据加载函数。具体说明：https://blog.csdn.net/didiaopao/article/details/120022845

设置好后，按照说明：https://blog.csdn.net/didiaopao/article/details/119954291
进行操作，这里其实没有什么需要注意的地方，在配置各种安装包的时候可能会报错，那么你就需要各种百度，各种CSDN，其中需要注意的是：一定要安装C++编译，不然有一个库就无法安装上去，而且会报大一堆错误，具体名字叫什么我忘了，它的错误里面会提到C++。针对安装C++哪些东西，网上都有教程。

其实参照 “炮哥带你学”专栏，一步步的操作，就能上手YOLOv5了，基于python做目标检测算法的延伸和其他应用是优于matlab的，所以我才写出来这个，给新入坑的小伙伴做一些说明。

如果有问题，欢迎大家留言交流，身为学生党的我看到就会回复，可能回复的不及时，非常抱歉。