YOLOv5配置及文件说明（1）_yolo数据集cache文件怎么生成

yolov5偏项目，前面的版本偏学术。 yolov5更适用于项目

项目概述

1. github yolo v5: https://github.com/ultralytics/yolov5
2. 下载
   
   

训练自己的数据集

1. 数据源：coco数据集，数据量太大。 可先选择
   https://roboflow.com/
   如找到口罩数据，数据量较小，下载时选择格式。
   

2. 数据下载后，放到跟项目同一路径的文件夹MaskDataSet下。
   
   MaskDataSet：包含训练、测试、验证 和配置文件（如data.yaml）
   
   data.yaml:
   需检查路径跟系统是否一致
   
   labels:
   
   labels.cache文件：原始数据里没有该文件，yolov5自动生成的缓存文件，再下次读数据时，直接读取缓存文件，速度更快
   

训练数据参数设置

下载一个预训练模型

pretrained checkpoint:
只为了学习的话，先用yolo5s,熟悉整个流程。(yolo5n看上去更轻量)

下载后，如下：

跑一个demo

调整配置文件，数据源用coco 或者口罩数据

然后运行trian.py

• 文件夹：1. runs 中包含很多中间运行结果，类似日志
  
  
  保存了测试结果、模型参数等。

• 2.文件夹 inference 中放的待测试的图像
  

• 3. models 文件夹内，存放源码文件以及模型和模型配置