coco128数据集网盘分享 yolov5使用coco128完成第一次训练_coco128.zip

1. coco128数据集网盘链接

百度网盘链接：链接：https://pan.baidu.com/s/1jDs1frbjqcAQ189RlHrC1w?pwd=ngc9 提取码：ngc9
提取码：ngc9
PS: 开源精神永不变！开源yyds！不懂为什么网上很多资源都需要收费或者用积分下载，希望可以帮助到大家！

2. 用coco128完成第一次yolov5训练

2.1 coco128数据集结构

如下图可以看出coco128数据集只有训练集和训练集对应的标签文件，并没有单独划分验证集

2.2 训练前的参数配置

1） 建议将coco128数据集放在项目的根目录下（后续很多文件都不需要修改路径，直接运行 train.py 即可），如下图：

2） train.py中的部分参数介绍

##各参数含义如下
if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', type=str, default='yolov5s.pt', help='initial weights path') #权重文件路径
    parser.add_argument('--cfg', type=str, default='models/yolov5s.yaml', help='model.yaml path') #存储模型结构的配置文件
    parser.add_argument('--data', type=str, default='data/coco128.yaml', help='data.yaml path') #存储训练测试数据的文件
    parser.add_argument('--epochs', type=int, default=300) #训练过程中整个数据集迭代的次数
    parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs') #一次看完多少张图片才开始进行权重更新
    parser.add_argument('--img-size', nargs='+', type=int, default=[640, 640], help='[train, test] image sizes') #输入图片宽高
1
2
3
4
5
6
7
8
9

如果coco128数据集的路径发生改变，需要coco128.yaml文件中修改路径.
3) coco128.yaml参数介绍

# download command/URL (optional)，不需要从GitHub下载数据集，可直接注释掉
#download: https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: ../coco128/images/train2017/  # 训练集图片路径，可以使用绝对路径 128 images
val: ../coco128/images/train2017/  # 验证集图片路径，coco128验证集也使用训练集的图片 128 images
1
2
3
4
5
6

PS：不需要设置labels标签文件路径，yolov5会读完图片后会自动将路径中的 images 修改为labels ，读取标签文件

2.3 开始训练

配置好文件，运行train.py

# 根据自己需要配置epoch、batch-size等参数
python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 64 --epoch 100
1
2

3. 致谢

博客如有什么问题欢迎大家批评指正！希望可以帮助到大家！