简单三步 用Yolov5快速训练自己的数据集

简单三步 ！用自己的数据集快速训练Yolov5模型

文章目录

网上关于Yolov5如何训练数据集的文章很多，里面都介绍了如何去标注数据集，我这里就不去介绍如何标注了，直接通过一种简单明了的方式让大家迅速的开始训练自己的数据集；

相信大家在运行Yolov5时coco128数据集已经下载好了，coco128数据集默认的位置就是我们项目代码的同级目录，所以我以这个位置作为参考，通过对比的方式让大家迅速了解读取数据集的原理；

这次我使用的是划分好了的数据集，所以并没有介绍如何去划分数据集，如果大家需要会补上的；

1 第一步；准备好划分完的数据集

将解压好的数据集放到datasets文件夹下,dataset文件夹是我们在运行项目时自动创建的，dataset文件夹里面已经有了coco128数据集，放好之后应该就是下面树形结构的样子

检查数据集是否按照这样的方式去命名，这里注意的是image文件夹下的“train”和“val”要与lables文件夹下的“train”和“val”名字一致

D:\PYCHARM_PROJECTS
          ├─yolov5-v6.1-test
          └─datasets
                ├─coco128
                │  ├─images
                │  │  └─train2017>图片.jpg
                │  └─labels
                │      └─train2017>标签.txt
                └─mydata
                    ├─images
                    │  ├─train>图片.jpg
                    │  └─val>图片.jpg
                    └─labels
                        ├─train>标签.txt
                        └─val>标签.txt            

2 第二步；写一个数据集的配置文件

写一个配置文件放在你项目源代码的data文件夹里

这是我自己写的cars.yaml，书写方式我们可以参照coco128.yaml，然后把我们自己数据集的路径放进来；test集是可选的，写不写都行

这里主要注意的就是标号代表的意思，比如一些不好的数据集并不会告诉你0代表人，1代表车，2代表狗

这是官方提供的 data/coco128.yaml，他这里的书写方式和我给出的不同，两种都可以的

3 第三步；修改train.py参数

确认好数据集格式并且写好配置文件后，要改动最后一处：

将这里改成刚才写好的配置文件的路径，然后就可以训练啦👍

4 小知识💡：标签内容解释

三个部分分别代表：类别；框中心点x坐标，框中心点y坐标；框宽，框高；

5 常见问题🌟

Q1：windows系统路径中不能出现中文，Linux可以出现

Q2：出现“页面太小，无法完成操作”

可能是虚拟内存不足，调大虚拟内存或将线程 --workers设为0

Q3：memory error

内存超了，减小 --batch-size

6 更多Yolov5（v6.1）实战内容导航🍀

本人更多Yolov5(v6.1)实战内容导航🍀

1.手把手带你调参Yolo v5 (v6.1)（一）

2.手把手带你调参Yolo v5 (v6.1)（二）

3.手把手带你Yolov5 (v6.1)添加注意力机制（并附上30多种顶会Attention原理图）

4.Yolov5如何更换激活函数？

5.如何快速使用自己的数据集训练Yolov5模型