基于自己的数据集训练yolov5模型，cloab平台

最新推荐文章于 2025-06-02 00:00:00 发布

原创

最新推荐文章于 2025-06-02 00:00:00 发布 · 850 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

这篇博客介绍了如何在Colab平台上基于自定义数据集训练YOLOv5模型。首先，详细讲解了安装darknet和YOLOv5的步骤，接着说明了如何创建和组织数据集，包括数据集的文件格式和数据划分。然后，重点讨论了修改模型配置文件的过程，如coco.yaml和train.py文件的调整，以及解决训练过程中遇到的问题。最后，提到了升级PyYAML库并成功运行训练脚本。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考：
数据集处理
 配置修改
 python实用代码

一：安装darknet及yolov5

1、安装darknet

git clone https://github.com/pjreddie/darknet

打开Makefile文件，需要开启哪个接口，就将哪个接口后边的0改为1就ok：

GPU=1  # 开启GPU接口
CUDNN=1  # CUDNN是用于深度神经网络的GPU加速库
OPENCV=1  # OPENCV接口（这里需要大家源码安装opencv）
OPENMP=1  # CPU的多线程
DEBUG=0  # DEBUG接口，暂时没发现这个有什么用处，就不开了

%cd darknet/
!make

2、安装yolov5

!git clone https://github.com/ultralytics/yolov5  # clone repo
!pip install -qr yolov5/requirements.txt  # install dependencies (ignore errors)
%cd yolov5

标题二：在本地处理好数据集

1、创建数据集文件格式如下：

Annotations:样本标签.xml格式
ImageSets中只需建立Main文件夹，其中的文本文档后续会用test.py文件生成
JPEGImages：存样本图片
![数据集文件格式](https://img-blog.csdnimg.cn/20200730133025401.png