YOLOV5：在本地电脑训练模型

一、Python入门环境配置：Anaconda3与pycharm安装教程

二、labelimg应用：数据集标记

三、Windows下搭建Pytorch环境(CPU 版）

四、Windows下搭建Pytorch环境（超详细）

一、YOLOV5环境搭建

(官方要求：python>=3.6.0，pytorch>=1.7）

YOLOV5 GitHub地址：https://github.com/ultralytics/yolov5

1、下载整个项目到本地桌面

2、【点击】

3、拉到页面最下面，下载模型文件到yolov5 目录

4、安装yolov5所需要的库

方法一（此方法较慢）：

右键 requirements.txt 【属性】，复制【位置】

快捷键：Ctrl + r 打开 cmd ， cd 到requirements.txt 所在的目录

输入 pip install -r requirements.txt 指令，然后等待安装即可

方法二（利用国内镜像源下载requirements.txt的所需库，速度较快）：

同上，右键 requirements.txt 【属性】，复制【位置】

cd 转到 requirements.txt 目录

输入pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple,然后等待安装即可

二、数据集准备

在 YOLOv5目录 下新建一个文件夹 train_data

在 train_data 内再新建文件夹，结构如下：

						 ———— trian	   
					    |
			———— images -
		   |		    |
     	   |		     ———— val       
train_data-
	   	   |		 	 ———— train
	   	   |		    |
	        ———— labels -
	    		   	    |
	    		         ———— val

解释:
train_data\images\train 下存放训练集
train_data\images\val 下存放验证集
train_data\labels\train 下存放训练集的标签.txt 文件
train_data\labels\val 下存放验证集的标签 .txt 文件

把你的搜集的全部图片数据集先放在 train_data\images\train 里面

用python脚本将图片重命名和分割

在 train_data\images\ 路径下新建一个rename.py (一定要放在此路径下）

把下面代码粘贴进去,运行代码

import os
import random
import shutil

class Dataset_split():
	def __init__(self):
    	self.train_path= os.getcwd()+ r'/train/'
    	self.val_path = os.getcwd()+ r'/val/'

	def split_train_val(self,train_ratio=0.8,val_ratio=0.2):
    	"""
    	数据集图片分割
    	:param train_ratio: 训练集比例（可更改，默认0.8）
    	:param val_ratio: 验证集比例（可更改，默认0.2）
    	:return:
    	"""
    	filelist = os.listdir(self.train_path)
    	pic_num = len(filelist)
    	num =[q for q in range(0,pic_num)]
    	index = random.sample(num,int(val_ratio*pic_num))
    	for i in index:
        	src = self.train_path+filelist[i]
        	dst = self.val_path+filelist[i]
        	shutil.copy(src,dst)
    	for i in index:
        	src = self.train_path + filelist[i]
        	os.remove(src)


	def rename(self,filename):
    	"""
    	文件重命名
    	:param filename: 当前目录文件名
    	:return:
    	"""
    	nowdir = os.getcwd() + '/' +filename + '/'
    	filelist = os.listdir(nowdir)
    	num = len(filelist)
    	i = 0
    	for item in filelist:
         	if item.endswith('.jpg') or item.endswith('jpeg'):
            	src= nowdir + item
            	dst =nowdir + str(i) + os.path.splitext(item)[-1]
            	os.rename(src, dst)
            	i = i + 1




if __name__ == '__main__':
	a=Dataset_split()
	a.split_train_val()
	a.rename('train')
	a.rename('val')

效果：

用 labelimg 标注图片

对整理好的图片进行标注，不会用labelimg的看这篇文章：https://blog.csdn.net/weixin_44630522/article/details/122441572

要将 train_data\images\train 的图片对应的标签文件保存到 train_data\labels\train 下。

同理，train_data\images\val的图片对应的标签文件保存到 train_data\labels\val 下。

三、配置文件

data文件配置

在 yolov5-master\data 目录下新建一个 xxx.yaml 文件（我这里建立pen.yaml 做演示）

把代码粘贴进 pen.yaml ，然后Ctrl + s 保存
```
path: ../train_data  # dataset root dir
train: images/train  # train images (relative to 'path') 
val: images/val  # val images (relative to 'path') 

# Classes
nc: 1  # number of classes
names: ['pen']  # class names
```
解释：
path：存放数据集的根目录
train: 根目录下存放的训练集路径
val：根目录下存放的验证集路径
nc: 类的数量（标注了多少种类就填多少）
names:类的名称

models文件配置

接着在 yolov5-master\models 目录下
复制一份你要使用的模型配置（我这里打算用yolov5s来训练）

打开文件，修改 nc：数量 （标注了多少种类就填多少）
Ctrl + s 保存

修改一下文件名(下图是修改后)

train.py配置

打开 train.py

代码往下拉，重点修改
--weights对应权重文件
--cfg 对应 model配置文件
--data 对应 data配置文件
(可根据自己的需求修改其他参数，具体看 help= )

Ctrl + s 保存

四、训练模型

（方法一：）直接运行修改后的 train.py 程序
（方法二：）快捷键：win + r 打开 cmd ， cd 到 yolov5的目录下，（可右键train.py【属性】复制【位置】）, 然后输入 train.py 回车即可



训练完后yolov5文件夹内会生成 runs 文件夹，权重文件在 ...\runs\train\exp\weights 中，best.pt和last.pt 代表最佳效果模型和最后训练模型。