【yolo】在Ubuntu上训练yolov5模型_ubuntu22.04 yolov5

虽然网上已经有很多教程了，但是我还是要记录一下自己的学习过程，燕过留痕。

本文可以为你提供一个切实可行的例子，我也是边左边记录。（如果是有点基础的，我想你应该能自己搞定！） 小白的话，那我们一起进步！

目的

1. 玩一下最近比较火的AI模型，所以选择了AI中比较火的YOLO模型。
2. 自己跑一跑自制的数据集。
3. 学习。

条件准备

１．一台笔记本（能上网）（笔记本如果性能足够好可以不用服务器）
２.　一台服务器（有GPU）（我的装了Ubuntu）
３.　连接服务器（如何连接自己百度）
４.　确定主机（在哪个设备上跑模型）（本文使用Ubuntu服务器）

具体步骤

１.　在主机上安装anaconda，（anaconda是什么，怎么装，请查阅相关资料，本文只提供大致步骤和方案）
２.　安装好后进入base环境；

３.　创建python虚拟环境：

conda create --name [此处填你的环境名字，英文]  python==xx.x  (这里解释一下：xx.x是指你想要装的python版本如3.9)
1

４.　激活环境
先用 ---- conda env list---- 指令查看虚拟环境个数；

然后 ----conda activate [你的刚刚创建的虚拟环境]---- 激活你的环境

５.　安装labelimg，标注数据集（如果没有自制数据集可跳过）

６.　安装pytorch，需要去pytorch官网查询自己的CUDA版本号对应的torch版本。复制命令到终端即可。(注意，这个地方特别重要，要不然会出出现很多错误)

７.　下载源码
（1）可以直接下载后移动到相应文件夹
（2）可以直接二通过git仓库从github上克隆，如果无法访问gibhub,可以从gitee上获取yolov5源码。

８.　进入目录 通过cd 指令切换到目录里。
９.　安装相关依赖

pip install -r requirements.txt
1

10．修改配置文件 （如果要使用自己的数据集）
…在yolov5的目录下有个data目录，里面是数据的配置文件，如果要训练自己的数据集，则需要在此目录下添加一个data.yaml, 内容形势如下：

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
#### ----主要修改存储位置和nc、names内部的的参数。-----

train: ../coco128/images/train2017/    #根据自己情况来
val: ../coco128/images/train2017/      #根据自己情况来


#   |————[数据集名称]
#    	|————train
#	    	|————images
#		    |————labels
#	    |————val
#		    |————images
#		    |————labels

# number of classes
nc: 80     #种类的数目自己标的有几种类型

# class names  各个种类的名字
names: [ 'person', 'bicycle', 'car'...,'refrigerator', 'book', 'clock', 'vase', 'scissors', 'teddy bear', 'hair drier', 'toothbrush' ]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

还有models目录下的yaml文件也需要修改一下，找到相应的yaml文件，修改nc的参数即可。

11. 开始训练。

cd yolov5
python train.py --img 640 --batch 16 --epochs 300 --data ./data/data.yaml --cfg ./models/yolov5s.yaml --weights '' 

#这里解释一下，用到的是yolov5s的权重文件，训练自己数据集时，就修改这个文件里的nc参数，与自己数据集对应即可。

1
2
3
4
5

训练过程，看到进度条就放心了。

12. 训练完成后会告知你在哪个位置查看结果。

今天就谈这么多，多尝试，肯定会进步的！！