0. 工具版本

• Python 3.8.5
• pycharm 2020.1.3
• YOLO V5
• PyTorch 1.6.0
• 其他依赖包

1. 搭建环境

1. 从yovoV5官方网站下载源代码
   
2. 解压源程序，复制到项目目录下。我这里的项目名是yolo v5
   
3. 安装第三方依赖包，使用到的依赖包已经在requirements.txt记事本文件中。所以只用在控制台中执行以下命令：

   pip insatll -U -r requirements.txt
   

2. 准备数据

1. 准备好含有目标的图片（越多越好）
2. 使用labelImg为准备好的图片打标签。打标签的教程在这里：打标签教程
3. 在YOLO V5的同级目录下建立coco128文件夹，一定要注意这个文件夹和yoloV5文件夹是并列的，而不是其子文件夹！coco128的目录结构为：
   
   images文件夹中存放图片文件，labels文件夹中存放标签文件。train2017中存放的都是训练集，val2017中存放验证集。

3. 开始训练

1. 修改训练参数
   
   根据电脑配置和数据情况修改上图中的执行参数。

2. 修改配置文件
   根据上图中配置好的参数，修改配置文件。例如，在上图中选择了coco128.yam，则需要在coco128.yam文件中配置目标检测的种类及其数量。

   # number of classes
   nc: 2
   # class names
   names: ['ball', 'fish']
   

   在以上测试数据中，只有“ball”和“fish”两种数据。
   同理，由于选择了yoloV5S，需要修改yolov5s.yam文件中的设置。只用修改nc变量的值。

3. 执行train.py文件，开始训练。
   
   日志输出正常，等待漫长的训练结束即可。
   

4. 效果

基本能够识别

版权声明：本文为CSDN博主「不好先生王二小」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m0_38082373/article/details/108941058