在colab上训练YOLOv5

1.首先在自己的本地电脑上下载YOLO

新建一个文件夹YOLO，输入以下命令下载压缩包：

java 复制代码

cmd
git clone https://github.com/ultralytics/yolov5.git

2.将YOLO压缩包上传到colab

首先在colab上新建一个笔记本，然后点击左侧的文件图标，点击上传，注意因为是单个文件，所以必须把YOLO变成压缩包上传。

上传完成，点击刷新按钮，可以看见压缩包。

3.更改资源

更改资源之后发现YOLO的压缩包没有了，所以要先更改资源，再上传压缩包！！！

4.解压缩YOLO

java 复制代码

! unzip /yolov5.zip -d /content/yolo

5.安装程序需要的第三方库

进入到YOLO的目录，里边有个文件写着都需要什么东西

java 复制代码

%cd /content/yolo
!pip install -r requirements.txt

6.训练

执行训练脚本，进行模型的训练，完成！

java 复制代码

!python train.py

挂载云盘

java 复制代码

from google.colab import drive
drive.mount('/content/gdrive')

数据集的复制和压缩

直接将数据集布置在云盘会导致大量的云盘数据传输，速度远不及本地文件，因此我们需要将数据集复制到本地进行处理。

首先将原来空的VOCdevkit文件夹进行删除，然后进行解压

java 复制代码

!rm -rf ./VOCdevkit
!cp /content/gdrive/MyDrive/VOC_datasets/VOC07+12+test.zip ./
!unzip ./VOC07+12+test.zip -d ./

保存路径设置

colab存在不稳定的问题，运行一段时间后会发生断线，如果将权值保存在原始根目录下的logs文件夹，那么断线网络就白训练了

可以将Google云盘软链接到根目录下，那么及时断线，权值也保留在云盘中

之前在云盘中创建了logs文件夹，直接连接即可。

java 复制代码

!rm -rf logs   #清理和删除不需要的文件和目录
!ln -s /content/gdrive/MyDrive/Models/yolov4-tiny-pytorch/logs logs

但是，自己训练的时候，没有logs文件夹，而运行中的状态信息都保存在/content/gdrive/MyDrive/YOLO_Models/yolov5/runs/train/exp目录中，所以我们连接这个目录即可。

放掉线措施

在控制台粘贴如下代码：

java 复制代码

function ConnectButton(){
	console.log("Connect pushed");
	document.querySelector("#top-toolbar > colab-connect-button").shadowRoot.querySelector("#connect").click()
}
setInterval(ConnectButton,60000);

训练的代码

cow_data.yaml文件和cow_yolov5l.yaml文件是新建的，里边保存着训练路径和测试路径，yolov5l.pt是下载的预训练权重。

java 复制代码

!python train.py --data data/cow_data.yaml --cfg models/cow_yolov5l.yaml --weights weights/yolov5l.pt --batch-size 4 --epochs 100

使用训练好的模型进行预测

java 复制代码

!python detect.py --source="/content/gdrive/MyDrive/YOLO_datasets/cow_yolo_dataset/cow_yolo_dataset/test_val/test/00032e1703df8793.jpg" --weights="/content/gdrive/MyDrive/YOLO_Models/yolov5/runs/train/exp/weights/best.pt"