【YoloV5 用自己标的数据来训练实现智能识别】

YoloV5 小试牛刀

1. 环境配置

基础Python环境+GPU(CUDA)+Pytorch; 具体安装细节请参考大牛们的博客，不再重复

2. YoloV5 配置

进入Yolov5 的GITHUB， 网址如下：

选定自己需要的版本， 这里选V5.0， 然后下载ZIP的code . 把ZIP文件解压后整个文件夹拷贝到pycharmprojets目录下。 启动Pycharm， 然后打开新项目找到Yolov5这个项目。

打开后按提示配置所需的环境， 希望之前您已经把所需的环境搭建好， 这是只需要找到并启动已经搭建好的环境即可。打开任何readme文件，仔细阅读内容

几个关键命令列在这里：

pip install -r requirements.txt，会帮您安装所需的其他库和支持功能

检测的简单命令如下：

$ python detect.py --source 0 # webcam file.jpg # image file.mp4 # video path/ # directory path/*.jpg # glob 要检测在本机的照片或视频， 需要把对应文件的地址正确输入即可；要读取网络视频或推流， 需要下载安装另外的支持库， 请参考相关博客

要实现训练自己的数据，需要先制作自己的数据集；可以用相机一张一张拍然后用labelImg 软件一张一张的标；也可以拍个短视频，然后在python里用opencv写几行代码转成所需的图片再挨个标， 具体参考其他的博客（自己搜吧！）需要提的一点是写自己数据记得YAML文件， 这个很关键， 参考目录里已有的YAML文件， 创建自己的数据集的相应文件

这篇特意放在这里， 请务必仔细读一遍，英文不好的借用翻译工具看看也行。

核心命令列在这里：

python train.py --img 640 --batch 16 --epochs 3 --data coco128.yaml --weights yolov5s.pt

可以调整的参数 如 --epochs 3, 你可以放多一些， 比如一开始16， 然后64， 128， 256 等

还有就是自己的数据的配置和名称， 这里coco128是示例数据的名称， 记得改成你自己的数据的名称， 并确保是你自己数据的配置文件的文件名

权重或算法模型， 建议根据自己的硬件环境来定吧，推荐使用默认的yolov5s.pt。这样会确保你练习的数据能比较快的完成训练！

祝您好运！