快速上手YOLOv5训练

作者硬件

R7-5800H

GTX1650

RAM: 16G

配置环境

anaconda

简介

安装

官网：https://www.anaconda.com/download/

tips：anaconda里已经包含jupyter notebook。

使用

安装完成后，打开Anaconda Prompt即可使用

新建虚拟环境

1

conda create -n 你新建的虚拟环境的名字 python=3.9

激活虚拟环境

1

conda activate 你新建的虚拟环境的名字

pytorch

简介

安装

参考链接：https://blog.csdn.net/Bluebro/article/details/127161165

官网：https://pytorch.org/get-started/locally/

打开Anaconda Prompt，激活上一步新建的虚拟环境，然后输入上图中指令

1

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

PyCharm

简介

安装

官网：https://www.jetbrains.com/pycharm/download

汉化

1. 打开设置，点击File，点击Settings
2. 点击 Plugins， 输入chinese，选中Chinese (Sinplified) Language Pack/中文语言包，点击Install

设置解释器

1. 打开设置
2. 在项目设置里找到python解释器

3. 添加解释器

4. 选择之前创建的虚拟环境

YOLOv5

简介

官方文档：https://github.com/ultralytics/yolov5/blob/master/README.zh-CN.md

安装

提前进到想安装的目录下后：

1
2
3

git clone https://github.com/ultralytics/yolov5  # clone
cd yolov5
pip install -r requirements.txt  # install

Labelimg

简介

安装

1

pip install labelimg

使用

1

labelimg

快捷键：

设置路径

YOLO的训练集格式：

dataset #(数据集名：如kumiko)
├── images #图像
├── train #训练集
├── xx.jpg
├── val #验证集
├── xx.jpg
├── labels #标签
├── train #训练集
├── xx.txt
├── val #验证集
├── xx.txt

Open Dir选择图片路径（如xxx\datasets\images\train）

Change Save Dir选择标签保存路径（如xxx\datasets\labels\train）

设置为YOLO格式：

使用

训练

新建.yaml文件

在yolov5\data文件夹下新建xxx.yaml文件（如kumiko.yaml），内容如下：

1
2
3
4
5
6
7
8

path: X:/ML/datasets/kumiko  # 训练集根目录
train: images/train  # 训练图像（相对路径）
val: images/val  # 验证图像（相对路径）
test:  # 测试图像

# Classes
nc: 1  # 总分类数
names: ['kumiko']  # 分类名称

下载预训练模型

地址：https://github.com/ultralytics/yolov5/releases

将模型放至yolov5文件夹下

本文以yolov5s.pt为例

新建配置

填写相关配置

名称

随便填一个就好

脚本路径

选择yolov5文件夹下的train.py

参数

填写需要的参数，如：

1

--weights yolov5s.pt --data data/kumiko.yaml --epochs 100 --workers 1 --batch-size 8

详细参数可参考：https://blog.csdn.net/m0_61729640/article/details/126996027

点击运行，模型即开始训练

tips:

1. 若内存不足，可：

   1. 调大虚拟内存
   2. 调小workers
   3. 加入内存、显存回收相关代码（参考：https://blog.csdn.net/weixin_40911806/article/details/130209087）
   4. 参数中加入--cache disk

预测

将yolov5/runs/exp/weights下的模型（best.pt）复制在yolov5文件夹下

命令行输入：

1

python detect.py --weights best.pt --source 数据集所在路径/datasets/你的数据集名字/images/val

预测结果在yolov5/runs/detect下

附

训练集

作者自截自标注的训练集：https://img.luxiaoxiao.work/2023/05/kumiko.zip

该模型效果：