Yolov5训练过程

Yolov5-v3.0训练过程

---

一、资源下载

Yolov5分为多个版本，这里用到的是yolov5的v3.0版本。注意，不同版本所需要的版本号也不同，具体可以看requiremets.txt。官方下载地址：https://github.com/ultralytics/yolov5.git

资源分享下载链接：

源代码链接：https://pan.baidu.com/s/1K_OmHSirEblGPPZtQvOTLg 提取码：j2rh

yolov5s.pt链接：https://pan.baidu.com/s/12Jg8Ca4T9kEg7nhJEujSFQ 提取码：yfj5

yolov5m.pt链接：https://pan.baidu.com/s/1iyXuUee24Junhy624l5MHA 提取码：k6j9

如需yolov5x.pt和yolovl.pt可自行到github上下载（注意权重文件一定要下载对应3.0版本的！）。

二、环境配置

CUDA：10.1 or 10.2（本文选用10.2）

Pytorch：1.6.0

torchvision：0.7.0

Pytorch下的Python：3.7

Pycharm：如何将项目移植到Pycharm中可参考我的另外一篇文章：如何在Pycharm中复现别人pytorch的项目实例_carrymingteng的博客-优快云博客

其他所需的包可在cmd中进入到自己的Pytorch环境中，用pip install -r requirements.txt安装。当然可能有些依赖包会出现安装不成功，这里建议可以借助Pycharm进行安装，或者自行下载安装包进行安装。

注意：官方给出的环境配置要求为CUDA>=10.1，但实际操作如果CUDA版本过高会出现无法运用GPU的问题。具体版本对应关系可参见下图。

三、准备自己的数据集（VOC格式）

1.利用train_val.py文件生成test.txt train.txt trainval.txt val.txt

进入到yolov5文件夹下，创建paper_data文件夹，目录结构如下图。

–Annotations 存放xml文件

–images 存放jpg格式图片

–ImageSets/Main 在ImageSets下创建Main文件夹用于存放利用train_val.py文件生成的四个txt文件。train_val.py文件存放在paper_data文件夹下，代码如下：

# coding:utf-8

import os
import random
import argparse

parser = argparse.ArgumentParser()
#xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='Annotations', type=str, help='input xml label path')
#数据集的划分，地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='ImageSets/Main', type=str, help='output txt label path')
opt = parser.parse_args()

trainval_percent = 1.0
train_percent = 0.9
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)

num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train