yolo5训练部署云服务器整套流程。新手教程_yolo部署到服务器

首先从GitHub上面下载yolo5训练模型，然后在自己的本地pycharm部署调试，调试完成可以选择在云服务器上面进行训练或者本地电脑自己的电脑上进行训练（但是速度非常非常慢有的电脑也可能跑不动楼主4个小时跑了20轮）。最后就是从服务器上面下载权重进行检测。

第一，下载yolo5模型，做自己的数据集。

可以从github网站上面下载，

没有加速器登不上GitHub的同学也可以从百度网盘提取文件，里面已经下载好了yolo5s.pt权重文件。

百度网盘下载

链接：https://pan.baidu.com/s/1oX2pqKX9m4OeqZhUr1tg_w 
提取码：chh1

数据集的制作，这个推荐大家用labelimg软件去制作，这个下载和安装我就不多介绍了

注意yolo5模型的数据集，需要的是yolo格式的，不要做错了就好。

第二，创建环境，更改yolo5里面的代码

建议创建自己的虚拟环境进行代码的调试，可以去下载anaconda，用anaconda创建自己的虚拟环境，然后下载各种第三方库安装包

1.更改代码。

首先要更改.yml文件，在data目录下，复制voc.yaml文件，粘贴到data目录下，更改为one.yaml(文件名自己编辑就好)，然后更改one.yaml文件里面train，val，test，的路径，设置为自己的数据集图片保存路径，把第十一行的path可以删除掉，也可以自己更改。

然后就是第23行的name，把下面的种类更改为自己yolo数据集对应的目标种类，0，1，对应什么种类要对应好。

 然后就是去models文件下，同样复制yolo5s.yaml文件，粘贴到models文件目录下，更改粘贴后的文件名为two.yaml，然后更改two.yaml文件里面第四行的nc：后面的数字为自己的检测目标类别的数量就好，比如数据集里面要检测的目标是苹果和香蕉，那么nc：2，这样子就好，其他不做更改。

最后就是更改train.py文件。444行的weights不做更改。445行的红线处填上model/two.yaml文件。446行处把data/coco128.yaml更改为one.yaml文件，然后就可以开始训练了。

第三，把调试完的代码文件进行训练。

1.租用服务器

我的建议去云服务器上面进行训练，省很多时间，我对服务器的选择是autodl,去这里租服务器进行训练是非常便宜的，选几毛钱的服务器和1快多的服务器都是一样的（有的是0.7/1h,有的是1-3/h，但是对于yolo5训练的话，多少钱都合适）。然后就是对于镜像的选择了，这个我当时选的是pytorch1.1.0，对应的python3.7，cpua10.0（如果没记错的话，反正就是第一行），然后就去租用，开机。

2.把自己调试完的代码传到自己租用的云服务器上面。

这个你最好用pycharm专业版，社区版（community）的话没有ssh功能，下载专业版的话去拼多多就好了，几块钱10块钱就能买到的。

在设置里面项目环境，添加解释器，添加ssh解释器。然后这里就需要登录了，去到租用的服务器页面，负责ssh的用户名，

3.在云服务器上面进行训练

重要的事说三遍，一定要进入自己的文件夹后再进行训练。一定要进去自己的文件夹后再进行训练

记住了啊

点开右上角，下面这个有个终端，打开它。

进入自己的文件夹就直接cd 文件夹

进入后直接python train.py

如果找不到train.py或者其他.py的话，那就是你没进入到train.py的文件夹。

然后直接训练就行。

train.py文件里，可以设置训练次数，也就是epoch，这个看你自己训练集的图片多少和你自己的精准度要求了。训练完的路径会保存到run/weights/.pt文件，.pt文件也叫作权重文件，最好的就是best.pt，last.pt是最后一次训练获得的权重。

4.下载权重进行测试

yolo5模型的话，权重一般都是14mb左右，你在跑完训练的时候，找到权重所在的文件，直接右键就能下载。

第四，进行检测

1.把下载的权重best.pt复制粘贴到本地下载好的yolo5模型上

2.更改最下面的权重路径，还有.yml文件。