好文章

在学习的时候参考了许多大佬的文章，我会在下面一 一列出来

1.手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程_肆十二的博客-CSDN博客_opencv yolo训练自己模型

2.Yolov5训练自己的数据集（详细完整版）_缔宇diyu的博客-CSDN博客_yolov5训练自己的数据集

3.【Yolov5】1.认真总结6000字Yolov5保姆级教程（2022.06.28全新版本v6.1）_若oo尘的博客-CSDN博客_查看yolov5版本

出现的问题

本人在训练过程碰到许多奇怪的问题，我会统一放在文末并且不断补充的

由于本文是自己记录向，所以直白的话比较多

环境配置

1.本人使用的是Anaconda+Pycharm的配置，在安装过程中有许多指令，需要自己去学习了解。

Anaconda官网Anaconda | The World's Most Popular Data Science Platform

Pycharm官网PyCharm: the Python IDE for Professional Developers by JetBrains

这两个的安装都很简单，一直点下一步就行了

2.在github上下载YOLOv5的源码

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite，csdn有加速，速度应该不慢。

3.在Anaconda创建虚拟环境

conda create -n test python==3.8.5 #创建叫test的环境
conda activate test     #进入环境

4.安装pytorch

pytorch的官网PyTorch

 本人使用的是CUDA 11.7的版本，训练用的是gpu，cpu的速度据说是有点慢，我也懒得等，如果没用gpu的好兄弟也可以使用云服务器来跑训练集

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

5.安装其他工具包

pip install -r requirements.txt
pip install labelme

测试YOLOv5和其他工具包是否完成安装

1.先下载YOLOv5的官方预训练权重 ，按图片来就行了

这里我们下载yolov5s6.pt，下载完之后在yolov5的文件目录下创建一个叫weights的权重文件夹

 使用cmd，进入test环境后cd到yolov5的目录下，运行以下代码

python detect.py --source data/images/bus.jpg --weights weights/yolov5s6.pt
 

 

 就可以得到运行的结果，至此说明前面的环境配置有部分是正确的

 这部分代码在官方的detect.py文件中可以看到

收集并且处理数据

收集（自己上网找或者爬虫爬喽，好像有人出售来着）

在cmd中使用pip命令进行下载   pip install labelimg （要先进入环境）  如果速度太慢可以进行换源，网上教程很多，我就不多加赘述了

下载后直接输入labelimg就可以打开了，网上关于labelimg的使用方法很多，我简单讲点快捷键（标注过程中用的多的）

数据集的结构如下（才疏学浅，用excel给各位见笑了）

还是要再强调一遍，考试别考原卷！awa

训练出相应的模型

1.我们要建立一个.yaml文件，里面说明我们的训练集和验证集的路径，数据集的类别和名称

我的路径如下C:\Users\sakura\Desktop\opencv\yolov5-master\data\mask_data.yaml

2.复制yolov5s.yaml文件，自己修改名字，然后把数据集的类别修改成你自己标注后的数据数量 C:\Users\sakura\Desktop\opencv\yolov5-master\models\yolov5s.yaml

然后输入

python train.py --data 第一次建立的文件.yaml --cfg 第二次建立的文件.yaml --weights weights/yolov5s.pt --epoch 100 --batch-size 4 --device 0

 就可以开始训练了，对于以上参数，在train.py中都可以找到，这里我把他归纳出来

模型的使用

这是参数和默认值

  # 检测摄像头
 python detect.py  --weights runs/train/训练出来的exp名/weights/best.pt --source 0  # webcam
 # 检测图片文件
  python detect.py  --weights runs/train训练出来的exp名/weights/best.pt --source file.jpg  # image 
 # 检测视频文件
   python detect.py --weights runs/train/训练出来的exp名/weights/best.pt --source file.mp4  # video
 # 检测一个目录下的文件
  python detect.py --weights runs/train/训练出来的exp名/weights/best.pt path/  # directory
 # 检测网络视频
  python detect.py --weights runs/train/训练出来的exp名/weights/best.pt 'https://youtu.be/NUsoVlDFqZg'  # YouTube video
 # 检测流媒体
  python detect.py --weights runs/train/训练出来的exp名/weights/best.pt 'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

值得一提的是exp的weights里面有两个文件，分别是last和best，last是最后一次训练得到的文件，best是表现最好的一次训练得到的文件

 发现的问题

1.cuda的版本和pytorch不同

 我们可以发现这里cuda是11.8，我也不知道哪次更新的时候变成这样了，我安装的是cuda11.3。然后我不能下载版本太低的pytorch，最后我下的是pytorch的支持cuda11.6的版本（就很6，没有支持cuda11.8的pytorch）

2.Pillow包经常出报错

删了重新下，应该都会把，不会网上查也有