文章目錄

• • YOLOv5簡介
  • 官方github鏈接
  • 如何安裝以及訓練自己的數據集
  • • 安裝
    • 訓練
    • • 1、創建Dataset.yaml文件
      • 2、創建存放圖片和標注的目錄
      • 3、創建標注labels
      • 4、選擇預訓練模型
      • 5、正式訓練

YOLOv5簡介

YOLOv5速度比前代更快，在運行Tesla P100的YOLOv5 Colab筆記本中，每個圖像的推理時間快至0.007秒，意味著每秒140幀（FPS）！

YOLOv5體積小，YOLOv5 s的權重文件為27MB。YOLOv4（Darknet架構）的權重文件為244MB。YOLOv5比YOLOv4小近90％。這意味著YOLOv5可以更輕松地部署到嵌入式設備。

此外，因為YOLOv5是在PyTorch中實現的，所以它受益于已建立的PyTorch生態系統；YOLOv5還可以輕松地編譯為ONNX和CoreML，因此這也使得部署到移動設備的過程更加簡單。

名稱發布公司語言框架所需環境

YOLOv5	Ultralytics	python	pytorch	python3.7+ pytorch1.5+

以上數據來自——量子位：YOLOv5它來了！YOLOv4發布不到50天，它帶著推理速度140幀/秒、性能提升2倍來了

官方github鏈接

Github鏈接：ultralytics/yolov5

這個主圖有趣O(∩_∩)O

如何安裝以及訓練自己的數據集

安裝

Train Custom Data

先下載項目https://github.com/ultralytics/yolov5/archive/master.zip

復制鏈接到迅雷下載比較快

下好了然后解壓

然后到這個目錄下，用控制臺運行pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt，安裝所需的庫

但是發現卡住了，我們手動下載requirements.txt里的大文件

打開requirements.txt

復制這個鏈接https://github.com/cocodataset/cocoapi.git打開

有點慢，打開后下載這個

下好后把它解壓，復制到yolov5-master目錄下

然后將requirements.txt里的這句注釋掉（前面加#），然后保存關閉

然后重新運行

安裝好了，但是報了一個錯誤

我們直接運行pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.5

但還是報錯

通過PyTorch 《動手學深度學習》學習筆記（Dive-into-DL-Pytorch）查看pytorch的安裝方法

可能是我的python版本太低了

到這https://www.python.org/downloads/windows/下載python，

windows用戶下這個https://www.python.org/ftp/python/3.7.0/python-3.7.0-amd64.exe


雙擊安裝


覆蓋我之前安裝目錄


測試一下，已經安裝成功了

重新運行之前的pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt

報了一堆錯誤

看提示似乎要重裝一下numpy

pip uninstall numpy pip install numpy

太慢了，還是用鏡像源吧

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

安裝numpy完成

再重新運行pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt

好了，但還是pytorch的問題

在這里https://pytorch.org/看pytorch對應cuda版本，我先看看我的cuda

我是9.0的


貌似我的cuda版本不支持pytorch1.5.0，重新安裝一下cuda

我剛好有cuda10.1的，安裝一下

半個小時安裝好了，cudnn也拷貝到安裝文件夾了，也沒有配置系統變量、環境變量，不會裝的可以看看這個Yolo-v2_ Windows平臺下如何配置darknet-yolov2？（安裝CUDA）

看看版本

重新運行pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt

還是這個報錯，手動安裝吧



復制這個然后修改一下，加鏡像源

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

好像不行，還是很慢的

可能需要下載wheel文件安裝

到這里下這個https://download.pytorch.org/whl/torch_stable.html

迅雷下很快

然后安裝這個wheel文件，參考：python pip如何安裝wheel文件？.whl（pip install [wheel]）

pip install "torch-1.5.0+cpu-cp37-cp37m-win_amd64.whl"

裝好了

emmm，好像下錯了。。。貌似應該下這個

裝好了

接下來就可以訓練自己數據集了吧

訓練

1、創建Dataset.yaml文件

這個文件是用來告訴程序你要訓練的圖片以及標注的路徑的

它放在data文件夾下

內容格式如下，主要包含四項，訓練集路徑train，驗證集路徑val，檢測類數目nc，檢測類名names

像我自己因為只要檢測一個類，我就像下面這樣創建：創建一個記事本，填入以下內容后保存為.yaml格式，記得重命名一下（我是跟我的數據集文件夾取同樣的名字）

2、創建存放圖片和標注的目錄

在yolov5或yolov5-master目錄上層創建文件夾，用于下一步存放我們的圖片以及標注：

3、創建標注labels

作者推薦了兩款創建標注的工具，Labelbox or CVAT，不過我自己用的是這款labelImg 使用教程 圖像標定工具

記得生成的標注一定要這種格式的

做好標注后，將圖片和標注放進我們上一步創建的文件夾中：

我這邊有4000張圖片和4000個已經做好的標注，直接按訓練集：測試集=3：1分配到文件夾里，記得圖片放圖片文件夾，標注放標注文件夾

4、選擇預訓練模型

作者推薦選擇的是yolov5s.yaml，最小最快的一個

5、正式訓練

先下載預訓練模型，在D:\Dontla_YOLOv5\yolov5-master\weights路徑下雙擊download_weights.sh下載預訓練模型

但貌似下不了不知怎么回事，一點擊窗口就瞬間消失了

用記事本打開

找到這個

在這

用記事本打開，然后直接復制鏈接，用瀏覽器打開

打開后直接點擊要下載的


下好了，放在這個路徑下

打開train.py看看，發現里面缺少很多庫，要一個一個安裝，推薦使用鏡像源安裝：解決pip安裝時速度慢的問題 鏡像源（pip install -i [鏡像源地址] [包名]）

有時還會報其他錯誤，要自己動手解決

參考解決方法：由于找不到msvcp140.dll無法繼續執行代碼

要動我的VS2015，這手術就大了。。。

看來這個YOLO5做得還不是很完善，過段時間再試試？？

python train.py --img 640 --batch 16 --epochs 5 --data ./data/my_dataset.yaml --cfg ./models/yolov5s.yaml --weights yolov5s.pt

總結

以上是生活随笔為你收集整理的YOLOv5初探（看来这个YOLO5做得还不是很完善，过段时间再试试？？）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。