关于yolov5使用教程.docx

一、创建新环境

打开cmd窗口，输入condacreate-nyolov5python=3.7，回车

?

等待一会，输入y，回车

?

再等待一会，出现done，说明新环境创建成功！

?

名字可以随便取，但是建议跟我取一样的，建议后续所有操作都跟我保持一致，方便大家第一次上手；Python解释器版本就选3.7吧，因为我之前选3.10遇到过不明问题

二、导入Pytorch库

我的电脑是R7-5800H的Thinkbook14p，没有独显，所以我使用的是CPU版的PyTorch

首先在cmd窗口输入condaactivateyolov5，回车，激活刚刚创建的新环境

?

路径前出现（yolov5）就说明激活成功啦！

?

然后进入PyTorch官网\oPyTorchPyTorch，选择如下配置：

?

复制最后一行的代码到cmd窗口中，回车

?

等待一会，输入y，回车；再等待一会，出现done，说明Pytorch库导入成功！

三、新建项目

首先从这个网站下载yolov5安装包\omirrors/ultralytics/yolov5·GitCodemirrors/ultralytics/yolov5·GitCode

下载完成后解压，右键解压后的文件夹，选择作为Pycharm项目打开

?

打开后的Pycharm界面是这样的：

?

点击右下角的无解释器，选择添加解释器

在弹出的界面左侧点击Conda环境，点击现有环境，解释器选择之前创建的新环境下的python可执行文件，点击确定

?

可以看到此时Pycharm界面右下角已经变成Python3.7(yolov5)

?

四、测试

打开requirements.txt文件，里面写有yolov5运行所需要的各种包。复制第一行的命令到终端中运行

?

这个过程可快可慢，看网速，静静地等待吧~有几个包的安装可能会出问题，没关系，把报错信息在CSDN上搜一搜都能找到解决办法！

全部安装好之后就运行左侧的detect.py文件

?

如果运行结束后没有报错，而且在左侧的runs\detect\exp目录下出现了下面这两张被处理过的图片，就说明前面的操作都木有问题，恭喜！准备工作结束

?

?

五、准备数据集

大家先按照我这种方式在yolov5-master路径下新建下列空文件夹，方便后续管理

?

我是在知乎的这篇文章中下载了博主提供的训练数据\o猫狗识别之准备数据集-知乎猫狗识别之准备数据集-知乎，解压之后有25000张图片，显然是不可能全部使用的。我选择了猫猫图片的前121张，复制到yolov5-master\own_datas\images\train文件夹下作为训练集

?

然后在Pycharm终端中输入pipinstallpyqt5labelme，回车。这两个库是用来给数据集打标签的

?

安装完成后，在终端输入labelme，回车

?

会弹出一个窗口，就在这个窗口里进行训练集的标注

?

点击左上角的OpenDir，选择yolov5-master\own_datas\images\train文件夹，就会出现训练集里的图片。右键选择CreateRectangle，框出图片里的猫猫

?

框选结束后，输入标签名cat，点击ok，这个标签就保存下来了。如果有多只猫猫，就继续框选

?

整张图片框选完毕后，点击左侧的NextImage，根据提示把标注文件保存到路径yolov5-master\own_datas\labels\json中，文件的格式是.json

大概半小时后...

所有图片标注完毕，可以在yolov5-master\own_datas\labels\json文件夹中看到与训练集图片数量相同且对应的121个.json文件

?

还没完，因为yolov5只能识别.txt格式的标签，还需要把.json文件转换成.txt文件

在yolov5-master文件夹中新建json2txt.py文件

?

把如下代码拷贝进去：

importjson

importos

name2id={cat:0}#标签名称

defconvert(img_size,box):

dw=1./(img_size[0])

dh=1./(img_size[1])

x=(box[0]+box[2])/2.0-1

y=(box[1]+box[3])/2.0-1

w=box[2]-box[0]

h=box[3]-box[1]

x=x*dw

w=w*dw

y=y*dh

h=h*dh