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)

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# 数据标签
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 - 1y = (box[2] + box[3])/2.0 - 1w = box[1] - box[0]h = box[3] - box[2]x = x*dww = w*dwy = y*dhh = h*dhif w>=1:w=0.99if h>=1:h=0.99return (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').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))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 shutilroot_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 = 0p = 0.8for 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 = pp += 0.1
train_test_move(txt_path,root_path,img_path)

6、Yolov5使用的数据集格式如下

以train文件夹为例子，test、valid同train一样。
images文件夹存放的是原图，labels文件夹存放的是标签文件。

7、训练

（1）数据集文件夹创建一个data.yaml，内容为：
百度网盘链接：
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