yolov5：训练自己的数据模型

目录

1.理解机器训练的步骤是什么？

2.开始训练

2.1 收集训练照片，并完成分类标记。

2.2 定义训练集

2.3 定义一个自己的训练参数文件

2.4 设置训练文件参数

2.5 启动训练

3. 测试训练结果

上一篇 yolov5的完整部署 讲解了yolov5模型的部署和运行

实际生活中，我们需要的检索目标，很多并不在官方给出的模型之中。那我们就需要训练自己的数据模型。

这个训练过程并不复杂，主要是如下几个步骤：

1.理解机器训练的步骤是什么？

• 准备目标训练照片
• 把每个照片中的目标位置准确标记出来。
• 把标记目标的分类名称和位置信息转换成数字数据。
• 用图片库里的照片对比标记过的数据进行训练。

2.开始训练

首先，我们在工程的根文件夹下，新建一个文件夹用于储存训练相关文件（VOCData）。这部分借鉴于优快云的一篇文章。Yolov5训练自己的数据集_优快云博客。我以这边文章为基础，详解一下每一步。 

2.1 收集训练照片，并完成分类标记。

首先，我们在VOCData文件夹下创建images和Annotations文件夹，这个后面我们会用到。

这里我们要用到一个工具 labelimg，通过下面命令安装这个工具：

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

 安装好以后，我们在VOCData文件夹下创建一个predefined_classed.txt文件， 在这个文件中，我们可以写入你自己定义的类别名称。每一个类别换一行。这里我指定以了一个分类 eagle.

在命令管理器里输入下面命令，进入labelimg界面。

labelimg predefined_classes.txt

把收集的训练图片全部输入在VOCData目录下创建的images文件夹。

待标注图片数据的路径文件夹，选择images文件夹

保存类别标签的路径文件夹，选择Annotations 文件夹

这个按键可以说明我们标注的标签为voc格式，点击可以换成yolo或者createML格式。（这里选择voc格式）

点击View，会出现如图红色框框中的选项。最好和我一样把勾勾勾上。

点击 Create Rect