yolov5训练自己数据集的全流程+踩过的坑

一,拿到yolov5数据集的第一步是什么呢,安装必要的依赖文件。在requirements.txt文件下存放
bash 复制代码
pip install -r requirements.txt
二,检查是否可以正常进行检测,在detect.py,文件下,里面有默认的设置文件是可以直接运行的。至于检测的结果放在那里,系统都会给你提示的
bash 复制代码
python detect.py
三,准备自己的数据集,在这里插入一张图来说明数据集的格式。images/train 里面放的的很多张照片,labels/train 下面放的是对应的很多个txt文件。vocc.yaml里对应训练集路径,评估数据路径,分类。
bash 复制代码
train:  ../vvcc/images/train   #训练集的路径
val:  ../vvcc/images/val        #评估集路径
test: # test images (optional)  #用不到

# Classes
names:     #分类
  0: cat
  1: dog
四,开始训练。train.py,在这里yolov5.pt是会自动下载的,也可以自己下载好,放路径就可以了。data就是我们上面准备的数据集yaml文件。
bash 复制代码
python train.py --data vvcc/vvcc.yaml --weights yolov5s.pt --img 640 
第一砊------没有装git。它的报错是这样的。别怕,去安装个git然后把git.exe的路径,添加到系统的path下就可以了。记得重启电脑
bash 复制代码
All git commands will error until this is rectified.This initial message can be silenced or aggravated in the future by setting the$GIT_PYTHON_REFRESH environment variable. Use one of the following values:    - quiet|q|silence|s|silent|none|n|0: for no message or exception    - warn|w|warning|log|l|1: for a warning message (logging level CRITICAL, displayed by default)    - error|e|exception|raise|r|2: for a raised exceptionExample:    export GIT_PYTHON_REFRESH=quiet
验证一下git的安装。在yolov5的路径下随便新建一个文件,运行一下这段代码。(r'D:\Program Files\Git\cmd\git.exe')是安装git的路径
bash 复制代码
import git
import os
git.refresh(r'D:\Program Files\Git\cmd\git.exe')
os.environ["GIT_PYTHON_REFRESH"] = "quiet"

print(git.__version__)  # 应输出如3.1.32

# 测试仓库操作
repo = git.Repo.init('/tmp/test_repo')
print(repo.active_branch)  # 应显示'main'或'master'
然后再train的开头添加两行代码
bash 复制代码
if __name__ == "__main__":
    import os
    import git
    git.refresh(r'D:\Program Files\Git\cmd\git.exe')
    os.environ["GIT_PYTHON_REFRESH"] = "quiet"

    opt = parse_opt()
    main(opt)
安装好后开始第二个砊,Arial.ttf文件,可以手动下载下来放在这个路径下。一定把文件双击打开,安装一下。
好了,到第三个砊。关于workers最好设置一下是1.
bash 复制代码
python train.py --data vvcc/vvcc.yaml --weights yolov5s.pt --img 640 --workers 1
五,训练完后,测试一下。还在detect.py,在这里注意下一下权重文件的路径,放训练好的pt文件,和测试图片的路径就好。sorce的内容这里有很多种,选择一种就可以。直接输入一张图片的绝对路径也可以的。
bash 复制代码
python detect.py --weights best.pt --source 0                               # webcam
                                                     img.jpg                         # image
                                                     vid.mp4                         # video
                                                     screen                          # screenshot
                                                     path/                           # directory
                                                     list.txt                        # list of images
                                                     list.streams                    # list of streams
                                                     'path/*.jpg'                    # glob
                                                     'https://youtu.be/LNwODJXcvt4'  # YouTube
                                                     'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream
相关推荐
198917 小时前
【零基础学AI】第31讲:目标检测 - YOLO算法
人工智能·rnn·yolo·目标检测·tensorflow·lstm
cver12318 小时前
CSGO 训练数据集介绍-2,427 张图片 AI 游戏助手 游戏数据分析
人工智能·深度学习·yolo·目标检测·游戏·计算机视觉
慕婉030720 小时前
Tensor自动微分
人工智能·pytorch·python
Natsuagin1 天前
【保姆级目标检测教程】Ubuntu 20.04 部署 YOLOv13 全流程(附训练/推理代码)
yolo·目标检测·ubuntu·计算机视觉
槑槑紫1 天前
深度学习pytorch整体流程
人工智能·pytorch·深度学习
IT古董2 天前
【第三章:神经网络原理详解与Pytorch入门】02.深度学习框架PyTorch入门-(5)PyTorch 实战——使用 RNN 进行人名分类
pytorch·深度学习·神经网络
机器学习之心2 天前
小波增强型KAN网络 + SHAP可解释性分析(Pytorch实现)
人工智能·pytorch·python·kan网络
Green1Leaves2 天前
pytorch学习-11卷积神经网络(高级篇)
pytorch·学习·cnn
灵智工坊LingzhiAI2 天前
人体坐姿检测系统项目教程(YOLO11+PyTorch+可视化)
人工智能·pytorch·python
要努力啊啊啊2 天前
YOLOv3-SPP Auto-Anchor 聚类调试指南!
人工智能·深度学习·yolo·目标检测·目标跟踪·数据挖掘