前言
默认安装好所有配置,只是基于Yolo5项目文件开始介绍的。基于配置好的PyCharm进行讲解配置。写下的只是些基本内容,方便以后回忆用。避免配置好Yolo5的环境,拉取好Yolo5项目后,不知道该如何下手。如果有时间,我还是建议多阅读官方项目下的教程。yolov5官方
操作
配置好的环境的一定是能跑些下述的基本操作的,反正则是环境还有问题。还有在下载好Yolo5项目后,一定要在自己的项目终端下运行:pip install -r requirements.txt
,下载其它依赖包,这也是Yolo5所要求的。
检测验证
点击打开detect.py
,右击文件运行或者终端输入python detect.py --weights yolov5s.pt
,验证官方的识别模型,如果一切正常会输出结果路径runs\detect\
下。
好像首次运行yolov5s.pt是下载的。
![](https://i-blog.csdnimg.cn/direct/84d6b46d596f46ed9644e24bbf5fb935.png)
![](https://i-blog.csdnimg.cn/direct/fbd8cf0fbfe44f73ac1e6f6564a009b0.png)
模型训练
后加:这里其实,也可以直接也行
python train.py
,会自带下载官方的案例coco128的,不是必须要自己定义数据来验证。
首先准备好数据集以及标注文件。然后建立配置文件(.yaml
),可以复制其它官方案例的来参考,在/data/
文件夹下,配置五个基本参数就行了。path,路径。train,训练集路径(基于path下)。val,验证集路径(基于path下)。test,测试,可以不用配置。以及names,标记数对应着名称。
![](https://i-blog.csdnimg.cn/direct/6aaab9a743aa417385cd2ea39d6aa0c5.png)
准备好,上述的后,就可以运行训练文件了。像我上面配置的是num.yaml
文件,就运行它的配置,大家记得修改为自己的配置文件。好像默认是进行99轮配置(没修改配置下),就不放图演示了。
bash
python train.py --data num.yaml --weights yolov5s.pt
总结
除了上述介绍到的这两个基本的执行之外,目录下还有其它的文件,可以执行参考。可以看到上述命令在执行的时候,都带有weights、data之类的配置参数,其实参数还有很多的,感兴趣的可以执行翻看指定的文件下,如检验detect,头部有两个配置选参,以及文件中都有介绍。
![](https://i-blog.csdnimg.cn/direct/bf1b6fc9f3d14297a291adc87d8af7f0.png)
![](https://i-blog.csdnimg.cn/direct/8d43887695fc4fe1a0613378477af22b.png)