一直兜兜转转，看yolov5看了好长一段时间。感觉迷迷糊糊的一直摸不着边际，直到今天终于可以又进一步。现在是使用yolov5里面训练自己的数据（只说我当前的操作，不说原理，因为我现在也不会）
使用环境：Win10(GPU) + Anacoda3+ pycharm
下载包： onNX > CoreML > TFLite">GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > onNX > CoreML > TFLite
直接到这个下面将整个包下载下来。
1，安装Anaconda+pycharm
Anaconda和Pycharm的安装和配置 - 做你的太阳乀 - 博客园
2,配置环境
双击pychram；创建一个新项目。然后点击“File"-"Settings"-"Project:你的工程名"-"Python Interpreter";可以看到当前环境。
然后点击右上角的设置符号，点击"add"创建一个新的环境。
点击“Terminal”可以直接进入当前的环境。然后即可在上面安装GPU相关的依赖包
win10下conda安装pytorch-gpu版本（超详细），完美解决镜像源下载慢问题！_皮皮鲁与鲁西西�的博客-CSDN博客
4，开始注解数据集
LabelImg的使用_xiaoyifeishuang1的博客-CSDN博客
5，修改训练前的一些参数。
（1）我自己创建一个yaml文件
这个主要用来储存训练和测试数据的文件。我当前的如下
（2）设置你想训练的模型。我选择的是yolov5s,于是进去yolov5s.yaml里面将其改成我的种类
（3）开始训练
python train.py --img 640 --batch 16 --epochs 5 --data ./data/cat.yaml --cfg ./models/yolov5s.yaml --weights ''
这条马上报错了，错误信息是：RuntimeError: CUDA out of memory. Tried to allocate 50.00 MiB (GPU 0; 4.00 GiB total capacity; 2.57 GiB already allocated; 36.61 MiB free; 2.71 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting
max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF
这个我看了好久，最后发现是显卡性能不够。只需要将batch改小就好了
修改后为以下指令，
python train.py --img 640 --batch 4 --epochs 5 --data ./data/cat.yaml --cfg ./models/yolov5s.yaml --weights ''
这就跑起来了。
未报错得到的是这个。以上即为我训练的步骤和方法。
