文章目录
- 简单三步 ！用自己的数据集快速训练Yolov5模型
- 1 第一步；准备好划分完的数据集
- 2 第二步；写一个数据集的配置文件
- 3 第三步；修改train.py参数
- 4 小知识：标签内容解释
- 5 常见问题
- 6 更多Yolov5（v6.1）实战内容导航
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
