Pytorch实战 |Y2 yolov5训练自己的数据集

最新推荐文章于 2025-04-24 16:01:16 发布
最新推荐文章于 2025-04-24 16:01:16 发布
阅读量543 收藏 4
点赞数
分类专栏： 深度学习实践100例 文章标签： 深度学习 人工智能 python pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_35820421/article/details/128300883
版权
本文介绍了使用Pytorch和Yolov5训练自己的水果数据集的步骤，包括环境配置、数据准备、代码定制和模型训练，详细讲解了如何处理XML标注文件、划分训练验证集以及配置yaml文件。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、我的环境

● 语言环境：Python3.8
● 编译器：pycharm
● 深度学习环境：Pytorch
● 数据来源：水果链接

二、准备数据

1、在yolov5的主目录下，新建自己的文件夹data-test， 新建文件夹annotations、images、ImageSets三个文件夹。
在这里插入图片描述
2、将下载的水果数据集中的xml文件放到annotations文件夹下，如下图。xml文件都是图片中水果标注的位置、分类等信息。
在这里插入图片描述
3、将水果数据集中的图片放到images文件夹下，如下图，为水果的原始图片。
在这里插入图片描述

三、定制代码编写

1、编写并运行split_train_val.py文件

在data-test文件夹下编写并运行split_train_val.py文

最低0.47元/天 解锁文章
模型实战（3）之YOLOv7实例分割、模型训练自己数据集
yohnyang的博客
12-21 3430
模型实战一之YOLOv7实例分割、模型训练自己数据集
pytorch 47 模型剪枝实战|基于torch-pruning库代码对yolov10n模型进行剪枝
a486259的博客
08-11 520
torch-pruning官方提供了基于yolov8的剪枝代码，基于此代码改进博主实现了对yolov10n模型的剪枝。虽然实现了对yolov10n模型的剪枝，剪枝目标为移除60%的通道，然而实验是失败的，针对coco数据集进行操作，剪枝前的模型map时37，剪枝后只能恢复到22，比预计下降了15个点，剪枝后的模型flop是下降了很多，mac从8.9降低到2.01616 G，但在3060显卡上推理速度并未得到提升。下一期，将会实现模型的稀疏化训练与剪枝。本期实验，主要验证了多次剪枝，不如一次剪枝到位；
yolov5使用pycharm训练自己的训练集
ss1293822982的博客
03-10 1028
yolov5使用pycharm训练自己的训练集，windows的GPU加速
YOLOV5训练自定义数据集(PyCharm超详细版)
weixin_44901043的博客
10-30 8186
文章目录环境准备一、制作自己的数据集1.标注图片2.分配训练数据集和测试集二、配置文件1.配置数据集的配置文件2.配置模型文件3.下载权重文件三、训练模型四、推理模型 环境准备 克隆YoLov5工程代码,仓库地址：https://github.com/ultralytics/yolov5 git克隆可能会失败，所以直接点击DownLoad Zip下载。zip文件解压后，通过cmd终端，切换到requirements.txt路径，通过pip install -r requirements.txt命令安装.
不同YOLO模型在pytorch环境中训练
weixin_61847083的博客
03-21 268
这样做的好处是，只要配置好环境，在官网下载好最新的utralytics包并保证留了备份后，可以灵活的自己修改模型，并且项目也是完全是自己的东西。
【pytorch】yolov5 训练自己的数据集
luolinll1212的专栏
07-04 311
yolov5
YOLO-v5训练自己的数据集
qq_46542320的博客
04-10 1202
例如：打开terminal是，环境显示是base，而你需要进入pytorch环境，则输入以下命令，即可进入pytorch环境中。打开terminal，进入本项目的annoconda环境。运行train.py文件，即可开始训练，训练结果会保存在runs/train文件夹中。这里默认大家已经安装好自己的环境了并配置好了Pycharm。如果环境不是本项目所需的环境，需要激活，进行切换环境。所需要的包安装成功之后，就可以训练自己的数据集了。方法一：可以使用git进行克隆，克隆到本地。进入到了pytorch环境。
图像分类---利用pytorch搭建AlexNet网络模型训练自己的数据集（猫狗分类）
didiaopao的博客
10-12 1万+
1 数据准备 很多例子做图像分类的时候都喜欢用手写数字作为例子来讲解图像分类，这是一个及其不负责任的教学，我个人认为做深度学习有时候是要在数据集上下功夫的，而且因为很多框架都内置了手写数字数据集，并且已经给我们处理好了，直接可以导入到神经网络中用了，因此整个实验下来，我们连数据是什么样子都不知道，更别提学完之后去训练自己的数据集了。 这里我用的是猫狗分类的数据集，如下图所示： 利用如下脚本将数据集划分为训练集和验证集 import os fro...
YOLOv1代码分析——pytorch版保姆级教程
chase
03-17 1万+
YOLOv1代码分析——pytorch版保姆级教程
深度学习目标检测：基于YOLOv5的KITTI数据集实现与UI界面展示
最新发布
m0_52343631的博客
04-24 514
YOLOv5是由Ultralytics团队开发的目标检测模型。它继承了YOLO系列的优点，具有高效、准确和轻量化的特点。YOLOv5在多个计算机视觉任务中表现优异，特别是在速度和实时性方面，具有明显的优势。端到端训练：YOLOv5可以通过单一网络进行训练，避免了传统目标检测方法中复杂的处理流程。高效推理：相比其他检测模型，YOLOv5在推理速度上具有显著优势。灵活性：YOLOv5支持多种不同的输出尺度，使得它在不同的应用场景中都能达到较好的性能。
YOLOv5：训练自己的数据集
weixin_56118617的博客
12-09 525
本文用YOLOv5训练自己的数据
在win10下进行pytorch版本yolov3安装及训练
12-22
1.下载 代码网址：https://github.com/ultralytics/yolov3 权重文件：这个好久之前下载的了网址找不到了 2.代码环境 Readme写的是python3.7，我用的是3.6 其他的根据requirements.txt安装可运行，可以先使用以下代码安装 pip install -U -r requirements.txt 安装列表中包含 numpy opencv-python >= 4.1 torch >= 1.4 matplotlib pycocotools tqdm pillow 你在安装中可能会遇到以下问题 提示torch版本不对 【解决方案】通过官网代码
pytorch训练自己的YOLOv5目标检测器（自定义数据集训练）
热门推荐
baidu_38406307的博客
06-24 1万+
1.YOLOv5 YOLO系列可以说是单机目标检测框架中的潮流前线了。YOLO系列的原作者虽然放弃了YOLO系列的开发，但是俄罗斯的开发者Alexey接过了YOLO系列的大旗，今年四月份正式推出了YOLOv4，并开源了代码，论文也发了。 YOLOv4是基于darknet平台的，使用官方开源代码需要安装Visual Studio并使用Cmake来编译，inference和train起来都很不方便，so，在github上曾复现YOLOv3的大神ultralytics综合了YOLO系列的各种长处，推出了YOLOv
本地pytorch环境下利用YOLOv5训练自己的数据（包括加速训练参数设置与tensorboard查看）
qq_45874142的博客
05-25 5501
在本地环境利用YOLOv5训练自己的数据集（已完成）
YOLO——pytorch与paddle实现YOLO
Love you Joyfully的博客
01-03 794
论文地址（You Only Look Once: Unified, Real-Time Object Detection）：https://arxiv.org/abs/1506.02640人类只需一瞥图像，就能立刻知道图像中有什么物体、它们在哪里以及它们如何相互作用。人类的视觉系统既快速又准确，使我们能够在几乎无需有意识思考的情况下执行复杂的任务，比如驾驶。
使用【YOLO v5】yolov5训练自己的数据集，包括Anaconda、pycharm环境配置（超详细、总结全网）
manxinhuanxi__的博客
04-25 9977
总结全网，手把手完整无坑版教程。从安装yolov5，到详细说明如何训练自己的数据集，训练时间、出现的多种问题说明、训练可视化、检测效果。以及最后讲解各种文件
PyTorch ：YOLOv5实战
DLNovice的博客
08-08 1316
PyTorch ：YOLOv5实战，从环境搭建到基于yolov5训练自己的目标检测模型
yolov5训练自己的数据集
weixin_70251903的博客
09-13 1万+
目标检测
yolov3-pytorch训练全过程（未完待续）
奔跑的小仙女
12-19 2831
准备工作：配环境、下载文件包 cuda 9.0 cudnn7.1.2 opencv-python 4.1.2.30 matplotlib 3.1.1 numpy 1.17.4 python 3.7.5 pytorch 1.3.1 tpdm 4.40.2 pytorch最简单的安装教程 文件包地址：https://github.com/ultralytics/yolov3 1、准备数据集 在dat...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值