yolov5-5.0百度网盘连接
链接: https://pan.baidu.com/s/1Hd2KKBixuEWRv3jcH6Bcsw 提取码: g6xf 复制这段内容后打开百度网盘手机App，操作更方便哦
环境配置
测试环境：ubuntu18.04，显卡GTX1060台式机
1、进入Yolov5目录
; 2、使用conda创建一个虚拟环境
conda create -n yolov5 python=3.7
3、激活虚拟环境
conda activate yolov5
4、安装相关库环境（requirements.txt）
pip install -r requirements.txt
上面那个指令下载会比较慢，建议加上清华镜像，指令如下：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
这样速度就快很多
成功安装
5、数据集制作及格式转换格式划分
制作工具：labelimg。工具使用简单，不做介绍
百度网盘链接：https://pan.baidu.com/s/1kD4N4Ki-vuuzPCMm_-_GOg
提取码：xlky
制作生成的是xml格式的数据，将xml格式转换成yolov5使用的txt格式，代码如下：
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
classes = ['protect_wire','negative_feeder_insulator','wrist_brace','negative_feeder']
def convert(size, box):
dw = 1./(size[0])
dh = 1./(size[1])
x = (box[0] + box[1])/2.0 - 1
y = (box[2] + box[3])/2.0 - 1
w = box[1] - box[0]
h = box[3] - box[2]
x = x*dw
w = w*dw
y = y*dh
h = h*dh
if w>=1:
w=0.99
if h>=1:
h=0.99
return (x,y,w,h)
def convert_annotation(rootpath,xmlname):
xmlpath = rootpath + '/xml'
xmlfile = os.path.join(xmlpath,xmlname)
with open(xmlfile, "r", encoding='UTF-8') as in_file:
txtname = xmlname[:-4]+'.txt'
print(txtname)
txtpath = rootpath + '/labels'
if not os.path.exists(txtpath):
os.makedirs(txtpath)
txtfile = os.path.join(txtpath,txtname)
with open(txtfile, "w+" ,encoding='UTF-8') as out_file:
tree=ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
out_file.truncate()
for obj in root.iter('object'):
difficult = obj.find('Difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult)==1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
bb = convert((w,h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
if __name__ == "__main__":
rootpath='D:/desktop/merge'
xmlpath=rootpath+'/xml/'
list=os.listdir(xmlpath)
for i in range(0,len(list)) :
path = os.path.join(xmlpath,list[i])
if ('.xml' in path)or('.XML' in path):
convert_annotation(rootpath,list[i])
print('done', i)
else:
print('not xml file',i)
然后进行划分：训练集、验证集、测试集，比例为8：1：1。比例可改，参考代码：
import os
import shutil
root_path = "D:/desktop/merge/dataset/"
img_path = "D:/desktop/merge/protect_wire/images/"
txt_path = "D:/desktop/merge/labels/"
def train_test_move(txt_path,root_path,img_path):
files = os.listdir(txt_path)
l = len(files)
sets = ['train', 'valid', 'test']
k = 0
p = 0.8
for i in sets:
if not os.path.exists(root_path+i):
print(root_path+i)
os.mkdir(root_path+i)
os.mkdir(root_path+i+"/images")
os.mkdir(root_path+i+"/labels")
for file in files[round(l*k):round(l*p)]:
shutil.copy(txt_path+file,root_path+i+"/labels")
shutil.copy(img_path+file[:-3]+"jpg",root_path+i+"/images")
k = p
p += 0.1
train_test_move(txt_path,root_path,img_path)
6、Yolov5使用的数据集格式如下
; 7、训练
（1）数据集文件夹创建一个data.yaml，内容为：
链接: https://pan.baidu.com/s/1Yxa2q8EXwUu8sjZuItDM2g 提取码: ivmg 复制这段内容后打开百度网盘手机App，操作更方便哦
前面两行指定数据集的绝对路径；…/是返回上级目录的意思
nc：代表类的个数
names：类名，以列表的形式存放
（2）修改训练参数yolov5/models/yolov5s.yaml
nc:与数据集nc保持一致
（3）训练代码
python train.py --img 640 --batch 16 --epochs 300 --data ../VOC/data.yaml --cfg models/yolov5s.yaml --weights ''
_*常见错误：内存不足RuntimeError: CUDA out of memory.*_
调小batch ，依据个人电脑配置。我调成8之后问题就解决了
至此训练环节结束。码字不易，动动发财的小手， 一键三连如何？？
8、测试代码及结果展示：此处未用自己的模型，因为在写的时候还没训练好，借用别的模型介绍。
python detect.py --weight weights/yolov5s.pt --source ../VOC/test/images
yolov5s.pt网盘连接：链接: https://pan.baidu.com/s/1rusS9hwEyLacbIBKRNCZfA 提取码: 3acn 复制这段内容后打开百度网盘手机App，操作更方便哦
Original: https://blog.csdn.net/weixin_46716951/article/details/121438804
Author: 小祥子ovo
Title: Yolov5-5.0源码分享以及环境配置——Yolov5训练及测试教程(超详细含数据集制作，格式转换，数据集划分)
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/682384/
转载文章受原作者版权保护。转载请注明原作者出处！