我是下载的一个数据集：
数据集链接：https://download.csdn.net/download/weixin_42297260/21494130?username=sinat_38961618
安装labelme，安装流程及问题
进行图片标注，点击Open Dir，选择数据集图片所在文件夹：
点击edit-> Create Rectangle（或Ctrl+R快捷键）标注新的label：
点击NextImage标记下一张图片：
所有标签标注完成后，文件夹中将会出现所有对应于每个图片json标签文件：
将项目导入Pycharm：
2.1 存放数据集将所有数据集图片和json标签文件夹放到工程目录下的datasets文件夹内（这里其实应该分开到两个文件夹里面，当初太新手完全不知道…还是建议去找找最新的那些教程）：
首先修改data->XYB.yaml（数据文件）的参数，修改类别数和类别名：
然后修改LabelmeToXYB.py的参数：
修改完上述参数后运行LabelmeToXYB.py，将会在tmp文件夹下生成如下文件：
右键->run
在使用OpenCV处理图片时，找不到这个cv_img 图片。可能是因为尝试改变了图片放置位置，或者使得路径中的中文改成英文，很多导入报错，是因为中文的原因。
然后发现是图片原件不小心被删了
删掉这些试试，ok了
Pycharm终端运行如下命令：
pip install -r requirements.txt2.3.1报错：pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host=‘files.pythonhosted.org’, port=443): Read timed out.
换个快点的镜像：
pip --default-timeout=100 install 库的名字 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
把没安装的库用Anaconda一个一个装：
pip --default-timeout=100 install opencv-python -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
opencv-python安装好了，继续装其他的：
torch又装不了
pip --default-timeout=100 install torch -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
torchvision直接安装成功：
运行如下指令进行训练（详情查看工程文件目录下README.md文件）：
python train.py --data data/XYB.yaml --cfg xyb_m.yaml --batch-size 64
训练后数据保存在工程目录下runs->train文件夹内，首次运行权重将会保存在runs->train->exp->weights文件夹下，之后运行成功后将会依次保存在exp2/3/4/…；
–cfg为指定模型结构，–batch-size 64：batch-size为 16g显存的显卡推荐值
利用tensorboard可视化训练过程，训练开始会在yolov5目录生成一个runs文件夹，利用tensorboard打开即可查看训练日志，命令如下：
tensorboard --logdir=runs
（当有多人在使用服务器时，为了避免与他人使用同一个端口，我们可以通过参数调整来实现。将6006端口改为6007端口：tensorboard --logdir=test0 --port=6007）
先安装tensorboard
3.1.3 tensorboard的安装安装tensorflow
pip install tensorflow
安装tensorboard
pip install tensorboard
安装tensorboardX
pip install tensorboardX
还是失败，可能是grpcio版本不匹配，太高了
tensorflow对应的python版本清单：
https://tensorflow.google.cn/install/source_windows#cpu
后面还是一句话解决问题：
原文链接
python -m pip install grpcio --ignore-installed
成功了！
打开网址：
缺少events文件，使用SummaryWriter创建events：
原文链接：https://blog.csdn.net/jump882/article/details/119862224
代码：
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter()
writer = SummaryWriter("logs")
writer = SummaryWriter(comment="user")
注释：SummaryWriter()：自动生成文件夹名称"runs"，以及随机的events名称
SummaryWriter(“test0”)：自动生成文件夹名称"test0"，以及随机的events名称
SummaryWriter(comment=“user”)：自动生成文件夹名称"runs"，并附带comment"user"，以及随机的events名称。
运行后生成文件夹及随机的events名称：
使用add_scalar()将标量添加到event文件中（不用新建，删掉刚刚writer文件里的代码复制进去就行了）：
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs") #将对应事件文件存储到test0文件夹下
x = range(100)
for i in x:
#writer.add_scalar(tag='y=2x', scalar_value=i * 2, global_step=i)
writer.add_scalar('y=2x', i * 2, i)
writer.close()
参数：
∙ bullet∙tag(string)：数据标识符
∙ bullet∙scalar_value(float or string/blobname)：保存的数值(纵坐标y)
∙ bullet∙global_step(int)：时间步数(横坐标x)
3.1.5 进入tensorboard的方式和命令
命令行里切到存放文件目录，执行命令：
tensorboard --logdir=D:PycharmProjectCSU_XYBlogs
（logdir的路径中不能包含中文、空格等，如果包含可能指向的路径会出错，从而导致报错，我最开始就是路径里含有空格，所以就报错了。有些版本的tensorboard需要将=改为“ ”，tensorboard --logdir “D:PycharmProjectCSU_XYBlogs”）
第一步：在cmd输入D:
第二步：输入dir #获得D盘文件目录
第三步：cd 文件夹名称 #进入该文件夹
使用Chrome浏览器打开：
在tensorboard可视化网页界面的scalars模块的左下角有个路径，这个路径按道理应是启动tensorboard时指定的路径，复制该路径到文件夹中搜索，看是否成功定位到事件文件的上一级目录。
最方便的打开方式，不用进入存放文件目录的命令（直接在Pycharm终端就可以使用）：
因为默认的6006端口被占用，换了一个8008端口。具体命令为：
tensorboard --logdir=D:PycharmProjectCSU_XYBlogs --host=127.0.0.1 --port=8008
也可以弹出来：
1.Win+R在运行窗口输入cmd调出命令行窗口（也可以搜索之后以管理员模式运行）
2.查看所有被打开的端口列表：netstat -ano
3.查看6006端口占用情况：netstat -ano | findstr "6006"
本方法原文链接：https://blog.csdn.net/qq_40128284/article/details/109343301
还没有训练好的模型，先不管。
train：代表训练集，val代表验证集，nc表示分类，names表示分类标签。
训练遇到的问题后面再讲。
