在国产芯片上实现YOLOv5/v8图像AI识别-【1.3】YOLOv5的介绍及使用（训练、导出）更多内容见视频_yolov5在不同芯片的benchmark

本专栏主要是提供一种国产化图像识别的解决方案，专栏中实现了YOLOv5/v8在国产化芯片上的使用部署，并可以实现网页端实时查看。根据自己的具体需求可以直接产品化部署使用。

B站配套视频：https://www.bilibili.com/video/BV1or421T74f

数据训练

上一篇博客里面我们已经获得了标注好的数据以及图片，接下来我们就要开始训练过程。

数据整备阶段

首先在yolov5的目录下创建一个datasets目录，这一步是个人习惯，我们将要训练的数据都会放在这里。

所有的数据需要按照目录规范进行放置，通常train、val的分配比例为8:2，images和labels里面的内容需要对应。

yaml文件准备阶段

编写数据说明文件和结构说明文件，找到data目录下创建一个yaml文件，此处以我个人创建的举例。

数据yaml文件

可以直接复制目录中的coco128.yaml进行修改，将其中的download部分删掉。然后更具自己数据的存放路径进行配置。

train 写训练图片的完整路径，经过多次尝试，写相对路径会有问题。
val 写验证图片的完整路径。系统会自动找到对应的labels目录。
test 可以不用写，对训练结果不会有影响。
nc 写你需要识别的数量。
names 写你需要识别的类别，此处循序一定要注意。

# YOLOv5 
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家小花儿/article/detail/873790