yolov5训练自己的数据集（提供数据集）

1.yolov5的安装与环境配置（cuda版本）

1.1安装CUDA

     本次测试我是安装了cuda，建议大家安装，训练时间会大大减少，可以参考b站爆肝杰哥up主(个人认为是目前最好的教学视频)，网站为 https://b23.tv/j1uQgsn。

1.2yolov5的下载

     由于yolov5代码在github是开源的，所以我们直接去下载，官网的网址(https://github.com/ultralytics/yolov5)。这里的版本我们选择的是7.0的版本，因为之前我也是小白，参考过炮哥的例子，下载的是5.0的版本，然后遇到了一系列问题(主要是版本太低了，与各个库不匹配)，打开网站之后，按我标的步骤来操作即可安装好yolov5。

1.3配置安装环境

     先将下载好的安装包解压到桌面上，然后打开后点击requirements文件，修改里面的库的版本(如果不修改，会导致报错，解决起来非常麻烦),主要修改里面Pillow库，建议改为Pillow==9.5。修改完后之间点击train.py文件。这里就不介绍各个文件的作用了。(可以参考其他博主)

 

 然后就是配置解释器了，这里建议新建一个Python3.9(yolov5-v7.0)解释器，然后基础解释器使用python=3.9的版本。(因为我是3.9版本，然后各个库安装非常顺利)

  最后再安装各种库文件了。

2.测试是否安装成功

     安装好之后打开dect.py,直接运行，运行完成后会生成一个runs文件，里面包含dect文件。 

 

 如果里面的图片有标注，则说明yolov5环境配置成功。

3.制作自己的训练集训练

     这里我提供数据集，网址为链接：https://pan.baidu.com/s/1HSZYNaSbqg2pjhwE93TVcg?
提取码：1234（如果大家想制作自己的数据集可以参考其他博主），大家需要建立一个dataset文件夹(存放数据集)，结构目录为：

大家可以先在yolov5里面把dataset文件夹建立好，方便接下来操作。

 

4.开始训练

4.1设置data/*.yaml文件

打开train.py文件后，在左上角找到data文件，复制VOC.yaml文件并粘贴，名称修改为VOC_dataset.yaml。

 接下来修改路径和种类。

path：C:\Users\Administrator\Desktop\yolov5-v7.0\dataset (绝对路径 )             

train：images/train (相对路径 )             

val：images/val (相对路径)                       

test：images/test (相对路径)

names: 0: leaf (识别的名字)        nc:1 (种类个数）

这里的我是使用leaf数据集，种类就一种。 

4.2设置models/*.yaml文件

同样进入models文件夹，复制yolov5s.yaml文件并修改名称为yolo5s_dataset.yaml，接下来修改新建文件夹里面的内容，将nc后面的数字改为1。(要与前面的nc数字一致) ，权重文件可以提高我们电脑训练模型的速度，减少训练时间。(如果不使用的话，也能够直接运行，但是会导致结果不准确，训练时间也长)，这里使用已经下载好的yolov5s模型(其他类型模型看情况使用) 。

 4.3修改train.py

主要修改weights(权重)、cfg(模型配置)、data(数据集配置)这三项。

weights： default=ROOT / 'yolov5s.pt'

cfg：default='models/yolov5s_dataset.yaml'     

data：default=ROOT / 'data/VOC_dataset.yaml'

修改完后，train.py文件运行成功的话，控制台会出现以下情况，runs\train\exp2为训练后文件的保存位置。

 5.运行中常见的bug

当出现了以下错误，点击报错的连接，然后会生成一个_init_py文件，找到import git或者from git import xxx这行代码，在前面再加上一行os.environ["GIT_PYTHON_REFRESH"]="quiet"，就能够完美运行了。