yolov5常用命令记录

一、准备深度学习环境

首先，确保你的计算机上已经安装了Python、PyTorch以及CUDA等必要的深度学习框架和库。YOLOv5对Python版本和PyTorch版本有一定的要求，通常建议使用Python 3.8及以上版本，PyTorch 1.6及以上版本。此外，CUDA的安装可以加速模型的训练和推理过程。

接下来，从YOLOv5的开源网址下载代码仓库。你可以选择手动下载zip包，也可以使用git clone命令远程克隆仓库。下载完成后，在代码文件夹中找到requirements.txt文件，并根据该文件安装所需的依赖包。

二、准备自己的数据集

在训练YOLOv5模型之前，你需要准备自己的数据集。数据集通常包括图像和对应的标注文件。这里以VOC格式的数据集为例进行说明。

创建数据集目录结构：在YOLOv5文件夹中的data目录下创建一个自定义的文件夹（如mydata），并在其下创建images、xml和dataSet三个子文件夹。images文件夹用于存放图像文件，xml文件夹用于存放标注文件（.xml格式），dataSet文件夹用于存放划分后的训练集、验证集、测试集文件（.txt格式）。
标注图像：使用labelImg等标注工具对图像进行标注，生成对应的.xml标注文件。这些文件包含了目标的位置、类别等信息。
划分数据集：编写一个Python脚本（如split_train_val.py），用于将数据集划分为训练集、验证集和测试集。该脚本会读取xml文件夹下的所有.xml文件，并根据设定的比例随机划分数据集，然后在dataSet文件夹下生成train.txt、val.txt、test.txt和trainval.txt四个文件。
转换数据集格式：YOLOv5需要特定的数据集格式（yolo_txt格式）。因此，你需要编写另一个Python脚本（如voc_label.py），用于将.xml标注文件转换为.txt格式的文件。每个图像对应一个.txt文件，文件中每一行表示一个目标的信息，包括类别、中心点坐标、宽度和高度。

三、模型训练

在准备好数据集之后，就可以开始训练YOLOv5模型了。

• 下载预训练模型：为了加速训练过程并提高模型的准确性，通常会选择下载一个预训练的YOLOv5模型作为起点。你可以在YOLOv5的官方仓库中找到这些预训练模型。
• 配置训练参数：在YOLOv5目录下找到data文件夹，并在其中创建一个与你的数据集相对应的.yaml配置文件（如mydata.yaml）。该文件包含了数据集的路径、类别信息以及训练集和验证集的划分文件等。
• 开始训练：在YOLOv5目录下运行训练命令，指定配置文件、模型配置文件（如yolov5x.yaml）以及其他必要的参数（如学习率、训练轮数等）。训练过程中，模型会在训练集上进行学习，并在验证集上进行评估。

trian.py 参数
--data yaml文件
--weights 预模型模型文件
--epochs 训练轮次

python train.py --data bvn.yaml --weights yolov5s.pt --epochs 5

四、模型测试与推理

训练完成后，你需要对模型进行测试和推理，以验证其性能。

• 模型测试：使用测试集对模型进行测试，评估其准确性、召回率等指标。你可以编写一个Python脚本或使用YOLOv5提供的测试工具来完成这一任务。
• 模型推理：将训练好的模型应用于新的图像或视频流中，进行目标检测。你可以使用YOLOv5提供的推理脚本或将其集成到你的应用程序中。

python detect.py --weights yolov5s.pt

五、关键注意事项

在训练YOLOv5模型时，有几个关键注意事项需要牢记：

确保数据集的质量和多样性，以提高模型的泛化能力。
根据硬件条件合理设置训练参数，如批量大小、学习率等。
定期监控训练过程中的损失函数和评估指标，以及时调整模型结构和训练策略。
使用数据增强技术（如旋转、翻转、裁剪等）来增加数据集的多样性，提高模型的鲁棒性。

命令：

1.配置并安装环境
2.测试并检测训练集
--weight 模型文件
--scource 识别设备数据
--view-imgs 在线识别

python detect.py --weight yolov5s.pt

3.安装labelimg标注工具，对图片数据打标，并按规定格式排放
对训练集文件挑选部分数据作为val测试集

• datasets
• images
• train
• val
• labels
• train
• val

4.ten

5.测试训练集
python detect.py --weights runs/train/exp5/weights/best.pt --source your_img --view-img

报错记录

Dataset not found , missing paths ['C:\Users\16673\Desktop\Yolov5\datasets\images\val']
Downloading https://github.com/ultralytics/assets/releases/download/v0.0.0/coco128.zip to coco128.zip...
Traceback (most recent call last):