目标检测与比对,使用yolov5s跑数据集构建模型

1.1数据集下载

我使用的是下面的数据集,有需要可去以下链接下载

trianA数据集下载链接：https://pan.baidu.com/s/1zj3MqZEHKHpFACs95Ov4gQ?pwd=ma1p

trianB数据集下载链接：https://pan.baidu.com/s/1whg_-jLfbUnfpZkKjvdziQ?pwd=yg54 

1.2yolov5s下载

(1)官网下载

从github上下载yolov5的模型，这里选取的yolov5 ，tags为6.2的版本。

下载网址：https://github.com/ultralytics/yolov5

点击code---download 即可下载压缩包

2.下载预训练模型

从刚刚下载yolov5的github的官网上，下载的预训练模型,

yolov5一共有5种模型：

YOLOv5n:最小的模型，适合在移动端部署。

YOLOv5s：小型模型，适合在CPU上进行推断。YOLOv5m：中等大小的模型，是速度和准确性之间的平衡点，适用于许多数据集和训练任务。

YOLOv5l：大型模型，适用于需要检测较小物体的数据集。

YOLOv5x：最大的模型，拥有最高的mAP指标，但相对较慢，参数数量为86.7百万。

这里我们选取了比较小的YOLOv5s的模型，可以在CPU上训练，亦可以从GPU上训练。

想要用别的yolo版本可以去GitHub搜,是一样的.

下载好yolov5文件后解压到一个文件夹里,这时会发现少了一个yolov5.pt的文件

可以在上面给出的下载链接中往下划,寻找的图中的页面,需要哪个就下那个版本的yoloxx.pt,然后把文件复制到你的文件夹里就行.

1.3下载ANACONDA

从以下链接可以进入下载ANACONDA的官网

Download Anaconda Distribution | Anaconda

下面的按钮的跳过注册

然后就进入了下载界面,弄完了ANACONDA之后,就是准备 python 和 pytorch

1.4python和pytorch

(1)环境配置

首先为自己的项目创建虚拟环境，这里我的项目名为：pytorch_study, python 版本为3.9；请在conda :

conda create -n pytorch_study python==3.9
conda activate pytorch_study

(2)pytorch安装

（gpu版本和cpu版本的安装）

实际测试情况是YOLOv5在CPU和GPU的情况下均可使用，不过在CPU的条件下训练那个速度会令人发

指，所以有条件的小伙伴一定要安装GPU版本的Pytorch。

pytorch 安装注意事项

①安装之前一定要先更新你的显卡驱动，去官网下载对应型号的驱动安装

②30系显卡只能使用cuda11的版本

③一定要创建虚拟环境，这样的话各个深度学习框架之间不发生冲突

可以直接从以下链接进入 pytorch官网

PyTorch

记得一定得要是conda的,如果不点conda默认是pip的下载链接.

（3）下载requirements文件

① conda 安装的方式

如