YOLOV5实战教程（超级详细图文教程）！！！_yolov5训练_yolov5模型训练万之后怎么使用

提取码：8r4i

二、使用coco128数据集进行训练

2.1 数据集准备

下好的数据集应该是如下图所示

images文件夹里存放的是我们要训练的图片，labels文件夹里存放的是打过标签的图片

目标检测需要手动进行打标签，这个我会在后面介绍使用自己数据集时进行详细介绍

2.2 进行训练

编译器这里我使用的Pycharm，打开项目如下图

这里我们需要知道两个yaml文件

第一个是data文件夹下的coco128.yaml     数据集参数文件

打开这个文件如下图，这个文件里是我们需要更改训练集以及测试集路径的地方，下面的names是每一个标签，可以看到coco128数据集里的标签数量是非常大的，我们平时自己玩的时候一般不会用到这么多标签。

接着我们需要了解的另一个文件是models文件夹下的从yolov5l到yolov5s的训练权重

我们打开yolov5s这个文件，如下图。这里nc是我们的标签数量。

以上两个文件我们目前都不用改，只是了解一下方便我们后面使用自己数据集进行测试时讲解

接着我们打开train.py文件，找到这个位置

–weights 初始训练权重

–cfg 模型参数位置

–data 数据集参数文件

直接开始运行train.py

慢慢等他跑完，最后的结果会存放在

exp到exp10都是你每次训练的结果，我这里训练了10次，所以有10个存放结果的文件夹

打开你最新的结果

weights是训练后模型的权重，随便点开val_batch1_pred.jpg可以看到训练后的效果

三、使用自己制作的数据集进行训练和测试

3.1制作自己的数据集

制作自己的数据集需要用到工具labelimg，直接在命令行输入下面这行代码进行下载

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
1

然后在yolov5项目的文件夹同级建立一个新的文件夹，文件夹名称可以自取，我这里使用DATA

并在DATA文件夹下创建如下两个文件夹和一个predefined_classes.txt文件

predefined_classes.txt是用来存放你的标签名称，我这里打三个标签分别是hair，eye，hands

接着，将你想要训练的图片放到images文件夹下（数据集100张以上才有一定效果，我这里拿105张动漫图片作演示）

命令行转到DATA文件夹

输入以下指令打开labelimg

labelimg images predefined_classes.txt
1

打开效果如下（右下角是文件列表，之前截图时候只放了三张所以列表里只有三张，训练时候有105张)

点击Change Save Dir选择DATA下的labels文件夹

点击SAVE下的yolo将其切换成yolo（如果刚开始不是yolo就切换成yolo，是的话就不用动）

点击Create RectBox开始画框（打标签）

你会看到下面已经有了几个你之前保存的标签

打完一张图片的标签可以按“D”键自动保存并进入下一张

我们可以在labels文件夹里看到自动生成的文件，上面三个是以图片名字命名的用来存放你在该图片中画框坐标位置的文件，最后一个classes是存放标签的文件。

3.2 开始训练

数据集准备好了，现在我们到之前提到的项目文件中

data/coco128.yaml，复制一个这个文件并改名成你自己喜欢的我这里起名any.yaml

打开这个文件，修改path，train和val后的地址，path就是DATA文件地址，train是DATA文件下的images地址，val是测试集，由于我这里数据量较小我就都用images了，读者可以自行添加测试集，方法是在images和labels文件夹下分别创建train和test文件夹分别放入图片

接着来到我们之前提到的models文件夹下的yolov5s.yaml文件

复制该文件，并命名为5s_any.yaml，并打开，将nc修改为3（因为有三个标签）

最后打开train.py,修改如下地址

只需要改上图三行的地址就可以了，点击运行开始训练

等待训练结束后在runs/train文件夹中可以看到结果，下图是训练效果

3.3 模型测试

首先在DATA文件夹下创建test文件夹，在其中放入你想要测试的图片

我们来到项目文件里的detect.py文件，打开，找到如图所示位置

改–weights后面的地址为runs/train/exp10/weights/last.pt

这里exp10是我第十次训练结果，读者根据自己训练的文件夹名改写，我们打开这个weights文件夹

发现有如下两个文件

best.pt和last.pt这些都是你训练好的模型权重，你可以理解为这就是你训练好的模型

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

9.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）