1.YOLOv5项目下载
1.YOLOv5为开源代码，直接从github上下载，首先打开github官网，下载。
下载使用pycharm打开，有图中这些文件，
其中
data：主要是存放一些超参数的配置文件（这些文件（yaml文件）是用来配置训练集和测试集还有验证集的路径的，其中还包括目标检测的种类数和种类的名称）；如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。
models：主要是一些网络构建的配置文件和函数，如果训练自己的数据集的话，就需要修改这里面相对应的yaml文件来训练自己模型。
utils：存放的是工具类的函数，里面有loss函数，metrics函数，plots函数等等。
weights：放置训练好的权重参数。
detect.py：利用训练好的权重参数进行目标检测，可以进行图像、视频和摄像头的检测。
train.py：训练自己的数据集的函数。
test.py：测试训练的结果的函数
2.环境配置
1.创建yolov5环境，使用Anaconda创建yolov5环境
conda create -n yolov5 python=3.8 #创建环境conda activate yolov5 #激活虚拟环境conda deactivate#关闭环境conda remove -n yolov5 --all#删除环境conda config --remove-key channels#恢复默认环境2.创建完环境，激活进入环境
3.然后安装pytorch-gpu环境，在环境中输入如下代码更改为清华源进行下载。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/conda config --set show_channel_urls yes4.打开pytorch官网，找到早期版本，寻找与自己电脑cuda版本对应的troch版本，防止cuda与troch版本不匹配。
将蓝框中内容复制中yolov5环境中这样就开始将troch版本下载到环境中了。
这里查看自己电脑cuda版本的方法，在Anaconda中输入
nvcc --version
11.3版本。
这里可以查看cuda与pytorch是否兼容，在pycharm配置刚创建的yolov5环境，输入
import torchprint(torch.__version__)print(torch.cuda.is_available())结果：1.10.2 true 即为兼容，若为false则不兼容
5.打开pycharm中的requirements.txt还有一些环境要求。
安装方法一：pycharm中安装pyYAML、pycocotools、thop、pandas可能会安装失败，其他环境可直接通过pycharm进行安装。
（1）pyYAML安装：
1)更新pip并安装setuptools。
pip install -U pip setuptools wheel若出现报错：AttributeError: module ‘distutils’ has no attribute ‘version’则输入
pip install setuptools==59.5.02）安装ruamel.yaml
pip install ruamel.yaml3）安装pyYAML
pip install PyYAML2）pycocotools安装：在Anaconda的yolov5环境中输入
conda install -c esri pycocotools3）thop/pandas安装：在在Anaconda的yolov5环境中输入
conda install -c anacondaxxx安装方法二：在pycharm终端中输入
pip install -r requirements.txt
至此所有环境安装完毕。
3.数据集和预训练权重
3.1数据集
将自己数据集中的图片数据放到JPEGimages中和.xml文件放到Annotations中，使用数据转换代码将.xml格式标签转换为yolo的.txt格式
3.1.1 VOC转YOLO
#VOC转YOLOimport xml.etree.ElementTree as ETimport pickleimport osfrom os import listdir, getcwdfrom os.path import joindef convert(size, box):x_center = (box[0] + box[1]) / 2.0y_center = (box[2] + box[3]) / 2.0x = x_center / size[0]y = y_center / size[1]w = (box[1] - box[0]) / size[0]h = (box[3] - box[2]) / size[1]return (x, y, w, h)def convert_annotation(xml_files_path, save_txt_files_path, classes):xml_files = os.listdir(xml_files_path)print(xml_files)for xml_name in xml_files:print(xml_name)xml_file = os.path.join(xml_files_path, xml_name)out_txt_path = os.path.join(save_txt_files_path, xml_name.split('.')[0] + '.txt')out_txt_f = open(out_txt_path, 'w')tree = ET.parse(xml_file)root = tree.getroot()size = root.find('size')w = int(size.find('width').text)h = int(size.find('height').text) for obj in root.iter('object'):difficult = obj.find('difficult').textcls = obj.find('name').textif cls not in classes or int(difficult) == 1:continuecls_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))# b=(xmin, xmax, ymin, ymax)print(w, h, b)bb = convert((w, h), b)out_txt_f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')if __name__ == "__main__":# 需要转换的类别，需要一一对应classes1 = ['boat', 'cat'] #修改为自己标签中的种类# 2、voc格式的xml标签文件路径xml_files1 = r'E:\NEt\yolov5-hat\VOCdevkit\VOC2007\Annotations'# 3、转化为yolo格式的txt标签文件存储路径save_txt_files1 = r'E:\NEt\yolov5-hat\VOCdevkit\VOC2007\YOLOLabels' convert_annotation(xml_files1, save_txt_files1, classes1)3.1.2 YOLO转VOC
from xml.dom.minidom import Documentimport osimport cv2# def makexml(txtPath, xmlPath, picPath):# txt所在文件夹路径，xml文件保存路径，图片所在文件夹路径def makexml(picPath, txtPath, xmlPath):# txt所在文件夹路径，xml文件保存路径，图片所在文件夹路径"""此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件在自己的标注图片文件夹下建三个子文件夹，分别命名为picture、txt、xml"""dic = {'0': "boat",# 创建字典用来对类型进行转换 '1': "cat",# 此处的字典要与自己的classes.txt文件中的类对应，且顺序要一致 }files = os.listdir(txtPath)for i, name in enumerate(files):xmlBuilder = Document()annotation = xmlBuilder.createElement("annotation")# 创建annotation标签xmlBuilder.appendChild(annotation)txtFile = open(txtPath + name)txtList = txtFile.readlines()img = cv2.imread(picPath + name[0:-4] + ".jpg")Pheight, Pwidth, Pdepth = img.shape folder = xmlBuilder.createElement("folder")# folder标签foldercontent = xmlBuilder.createTextNode("driving_annotation_dataset")folder.appendChild(foldercontent)annotation.appendChild(folder)# folder标签结束 filename = xmlBuilder.createElement("filename")# filename标签filenamecontent = xmlBuilder.createTextNode(name[0:-4] + ".jpg")filename.appendChild(filenamecontent)annotation.appendChild(filename)# filename标签结束 size = xmlBuilder.createElement("size")# size标签width = xmlBuilder.createElement("width")# size子标签widthwidthcontent = xmlBuilder.createTextNode(str(Pwidth))width.appendChild(widthcontent)size.appendChild(width)# size子标签width结束 height = xmlBuilder.createElement("height")# size子标签heightheightcontent = xmlBuilder.createTextNode(str(Pheight))height.appendChild(heightcontent)size.appendChild(height)# size子标签height结束 depth = xmlBuilder.createElement("depth")# size子标签depthdepthcontent = xmlBuilder.createTextNode(str(Pdepth))depth.appendChild(depthcontent)size.appendChild(depth)# size子标签depth结束 annotation.appendChild(size)# size标签结束 for j in txtList:oneline = j.strip().split(" ")object = xmlBuilder.createElement("object")# object 标签picname = xmlBuilder.createElement("name")# name标签namecontent = xmlBuilder.createTextNode(dic[oneline[0]])picname.appendChild(namecontent)object.appendChild(picname)# name标签结束 pose = xmlBuilder.createElement("pose")# pose标签posecontent = xmlBuilder.createTextNode("Unspecified")pose.appendChild(posecontent)object.appendChild(pose)# pose标签结束 truncated = xmlBuilder.createElement("truncated")# truncated标签truncatedContent = xmlBuilder.createTextNode("0")truncated.appendChild(truncatedContent)object.appendChild(truncated)# truncated标签结束 difficult = xmlBuilder.createElement("difficult")# difficult标签difficultcontent = xmlBuilder.createTextNode("0")difficult.appendChild(difficultcontent)object.appendChild(difficult)# difficult标签结束 bndbox = xmlBuilder.createElement("bndbox")# bndbox标签xmin = xmlBuilder.createElement("xmin")# xmin标签mathData = int(((float(oneline[1])) * Pwidth + 1) - (float(oneline[3])) * 0.5 * Pwidth)xminContent = xmlBuilder.createTextNode(str(mathData))xmin.appendChild(xminContent)bndbox.appendChild(xmin)# xmin标签结束 ymin = xmlBuilder.createElement("ymin")# ymin标签mathData = int(((float(oneline[2])) * Pheight + 1) - (float(oneline[4])) * 0.5 * Pheight)yminContent = xmlBuilder.createTextNode(str(mathData))ymin.appendChild(yminContent)bndbox.appendChild(ymin)# ymin标签结束 xmax = xmlBuilder.createElement("xmax")# xmax标签mathData = int(((float(oneline[1])) * Pwidth + 1) + (float(oneline[3])) * 0.5 * Pwidth)xmaxContent = xmlBuilder.createTextNode(str(mathData))xmax.appendChild(xmaxContent)bndbox.appendChild(xmax)# xmax标签结束 ymax = xmlBuilder.createElement("ymax")# ymax标签mathData = int(((float(oneline[2])) * Pheight + 1) + (float(oneline[4])) * 0.5 * Pheight)ymaxContent = xmlBuilder.createTextNode(str(mathData))ymax.appendChild(ymaxContent)bndbox.appendChild(ymax)# ymax标签结束 object.appendChild(bndbox)# bndbox标签结束 annotation.appendChild(object)# object标签结束 f = open(xmlPath + name[0:-4] + ".xml", 'w')xmlBuilder.writexml(f, indent='\t', newl='\n', addindent='\t', encoding='utf-8')f.close() if __name__ == "__main__":picPath = "E:\NEt\yolov5-hat\VOCdevkit\VOC2007\JPEGImages"# 图片所在文件夹路径，后面的/一定要带上txtPath = "E:\NEt\yolov5-hat\VOCdevkit\VOC2007\YOLOLabels"# txt所在文件夹路径，后面的/一定要带上xmlPath = "E:\NEt\yolov5-hat\VOCdevkit\VOC2007\Annotations"# xml文件保存路径，后面的/一定要带上makexml(picPath, txtPath, xmlPath) 3.1.3划分训练集和验证集
1、将JPEGimages中所有的图片复制到images→train，将YOLOlables中所有的标签数据复制到lables→train中，运行代码自动划分。
修改完路径，运行代码自动划分。
import os, random, shutildef moveimg(fileDir, tarDir):pathDir = os.listdir(fileDir)# 取图片的原始路径filenumber = len(pathDir)rate = 0.1# 自定义抽取图片的比例，比方说100张抽10张，那就是0.1picknumber = int(filenumber * rate)# 按照rate比例从文件夹中取一定数量图片sample = random.sample(pathDir, picknumber)# 随机选取picknumber数量的样本图片print(sample)for name in sample:shutil.move(fileDir + name, tarDir + "\\" + name)return def movelabel(file_list, file_label_train, file_label_val):for i in file_list:if i.endswith('.jpg'):# filename = file_label_train + "\\" + i[:-4] + '.xml'# 可以改成xml文件将’.txt‘改成'.xml'就可以了filename = file_label_train + "\\" + i[:-4] + '.txt'# 可以改成xml文件将’.txt‘改成'.xml'就可以了if os.path.exists(filename):shutil.move(filename, file_label_val)print(i + "处理成功！") if __name__ == '__main__':fileDir = r"E:\NEt\yolov5-hat\VOCdevkit\images\train" + "\\"# 源图片文件夹路径tarDir = r'E:\NEt\yolov5-hat\VOCdevkit\images\val'# 图片移动到新的文件夹路径moveimg(fileDir, tarDir)file_list = os.listdir(tarDir)file_label_train = r"E:\NEt\yolov5-hat\VOCdevkit\labels\train"# 源图片标签路径file_label_val = r"E:\NEt\yolov5-hat\VOCdevkit\labels\val"# 标签# 移动到新的文件路径movelabel(file_list, file_label_train, file_label_val)3.2预训练权重
用于加载预训练权重进行网络的训练，可下载多个权重，点击蓝色即可进行下载。
将下载好的预训练权重，复制到文件夹weights下
4.训练模型
预训练模型和数据集都准备好了，就可以开始训练自己的yolov5目标检测模型了，训练目标检测模型需要修改两个yaml文件中的参数。一个是data目录下的相应的yaml文件，一个是models目录文件下的相应的yaml文件
4.1修改data配置文件
修改data目录下的yaml文件： 找到目录下的voc.yaml文件，将该文件复制一份，将复制的文件重命名，例如hat.yaml。
打开hat.yaml对应修改这些内容，其中路径最好填写绝对路径
4.2修改models配置文件
使用yolov5s预训练权重进行训练，要使用models目录下的yolov5s.yaml文件中的相应参数（因为不同的预训练权重对应着不同的网络层数，所以用错预训练权重会报错），同样复制一份进行重命名。
打开yolov5s_hat.yaml修改类别数
4.3启用tensorbord查看参数
修改完上述两个.yaml后，打开train.py往下翻到tensorbord模块,其中各函数语义如下，修改3行文件路径使用绝对路径，一个是权重文件，一个是模型的yaml文件，一个是数据的yaml文件，第五行epoch为循环次数，第六行batch-size为输入图片数量。
if __name__ == '__main__':"""opt模型主要参数解析：--weights：初始化的权重文件的路径地址--cfg：模型yaml文件的路径地址--data：数据yaml文件的路径地址--hyp：超参数文件路径地址--epochs：训练轮次--batch-size：喂入批次文件的多少--img-size：输入图片尺寸--rect:是否采用矩形训练，默认False--resume:接着打断训练上次的结果接着训练--nosave:不保存模型，默认False--notest:不进行test，默认False--noautoanchor:不自动调整anchor，默认False--evolve:是否进行超参数进化，默认False--bucket:谷歌云盘bucket，一般不会用到--cache-images:是否提前缓存图片到内存，以加快训练速度，默认False--image-weights：使用加权图像选择进行训练--device:训练的设备，cpu；0(表示一个gpu设备cuda:0)；0,1,2,3(多个gpu设备)--multi-scale:是否进行多尺度训练，默认False--single-cls:数据集是否只有一个类别，默认False--adam:是否使用adam优化器--sync-bn:是否使用跨卡同步BN,在DDP模式使用--local_rank：DDP参数，请勿修改--workers：最大工作核心数--project:训练模型的保存位置--name：模型保存的目录名称--exist-ok：模型目录是否存在，不存在就创建"""parser = argparse.ArgumentParser()parser.add_argument('--weights', type=str, default='weights/yolov5s.pt', help='initial weights path')parser.add_argument('--cfg', type=str, default='models/yolov5s_hat.yaml', help='model.yaml path')parser.add_argument('--data', type=str, default='data/hat.yaml', help='data.yaml path')parser.add_argument('--hyp', type=str, default='data/hyp.scratch.yaml', help='hyperparameters path')parser.add_argument('--epochs', type=int, default=10)parser.add_argument('--batch-size', type=int, default=1, help='total batch size for all GPUs')parser.add_argument('--img-size', nargs='+', type=int, default=[640, 640], help='[train, test] image sizes')parser.add_argument('--rect', action='store_true', help='rectangular training')parser.add_argument('--resume', nargs='" />调试完上述数据就可以进行训练自己的数据集，运行train.py。
4.4训练后
1.训练完成后自动生成runs文件夹，在runs\train\exp\weights目录中生成两个权重文件，一个是最后一轮的权重文件，一个是最好的权重文件，一会我们就要利用这个最好的权重文件来做推理测试。除此以外还会产生一些验证文件的图片等一些文件。（再运行train会生成exp1···）
2.在主目录中找到找到主目录下的detect.py文件，打开该文件。detect.py：利用训练好的权重参数进行目标检测，可以进行图像、视频和摄像头的检测。
3.找到函数主要参数
f __name__ == '__main__':"""--weights:权重的路径地址--source:测试数据，可以是图片/视频路径，也可以是'0'(电脑自带摄像头),也可以是rtsp等视频流--output:网络预测之后的图片/视频的保存路径--img-size:网络输入图片大小--conf-thres:置信度阈值--iou-thres:做nms的iou阈值--device:是用GPU还是CPU做推理--view-img:是否展示预测之后的图片/视频，默认False--save-txt:是否将预测的框坐标以txt文件形式保存，默认False--classes:设置只保留某一部分类别，形如0或者0 2 3--agnostic-nms:进行nms是否也去除不同类别之间的框，默认False--augment:推理的时候进行多尺度，翻转等操作(TTA)推理--update:如果为True，则对所有模型进行strip_optimizer操作，去除pt文件中的优化器等信息，默认为False--project：推理的结果保存在runs/detect目录下--name：结果保存的文件夹名称"""parser = argparse.ArgumentParser()parser.add_argument('--weights', nargs='+', type=str, default='runs/train/exp/weights/best.pt', help='model.pt path(s)')parser.add_argument('--source', type=str, default='E:\\2022Projects\\QJ\\QJ4\sj\photo', help='source')# file/folder, 0 for webcamparser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold')parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS')parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')parser.add_argument('--view-img', action='store_true', help='display results')parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')parser.add_argument('--nosave', action='store_true', help='do not save images/videos')parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3')parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')parser.add_argument('--augment', action='store_true', help='augmented inference')parser.add_argument('--update', action='store_true', help='update all models')parser.add_argument('--project', default='runs/detect', help='save results to project/name')parser.add_argument('--name', default='exp', help='save results to project/name')parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')opt = parser.parse_args()4.将训练好的最优权重结对路径路径复制到红框处，将要测试的图片/视频绝对路径放到蓝框。点击运行即可预测图片。
若要利用电脑摄像头进行测试，需要将路径改为0
并将datasets.py中的第279行下添加str。
5.detect,py运行结束会将推理结果存在runs\detect\exp中
至此yolov5目标检测结束
参考文章：https://blog.csdn.net/didiaopao/article/details/119954291
最新PyTorch（GPU版）实操安装教程（3090 win10）_哔哩哔哩_bilibili
5.遇到的问题
1.未使用GPU训练
解决方法：不要在pytorch官网使用conda安装，使用pip安装
2.使用pip安装后报错
解决方法：检查一下自己Anaconda的envs安装路径中是否存在两个dll文件
删除其中一个即可
3.报错：RuntimeError: result type Float can’t be cast to the desired output type long int
问题原因：官网的yolov5-master版本可以正常运行，但是yolov5-5.0/yolov5-6.1等版本就是不可以运行
解决方法：找到修改utils中的loss.py里面的两处内容
（1）【Ctrl+F】搜索【for i in range(self.nl)】替换成：
anchors, shape = self.anchors[i], p[i].shape
（2）【Ctrl+F】搜索【indices.append】替换成
indices.append((b, a, gj.clamp_(0, shape[2] - 1), gi.clamp_(0, shape[3] - 1)))# image, anchor, grid