yolov5 训练 ubuntu

要在Ubuntu上训练YOLOv5模型，你可以按照以下步骤进行操作：

1. 安装必要的依赖项：
- 确保你的系统已经安装了Python 3.8或更高版本。
- 安装CUDA和cuDNN（如果你的GPU支持）。
- 安装PyTorch和其他必要的Python库。你可以使用以下命令安装PyTorch：

     pip install torch torchvision

2. 克隆YOLOv5库：

   git clone https://github.com/ultralytics/yolov5.git

3. 进入YOLOv5目录：

   cd yolov5

4. 安装所需的Python库：

   pip install -r requirements.txt

5. 准备数据：
- 将训练图像和标签放入一个文件夹中。
- 在`data`文件夹中创建一个新的数据集配置文件，例如`mydataset.yaml`，并更新其中的路径和类别信息。示例配置如下：

     train: ../path/to/train/images
     val: ../path/to/val/images

     nc: 3  # 类别数
     names: ['class1', 'class2', 'class3']  # 类别名称

6. 开始训练：
- 运行以下命令开始训练模型：

     python train.py --data data/mydataset.yaml --cfg models/yolov5s.yaml --weights '' --batch-size 16

- `--data`参数指定数据集配置文件的路径。
- `--cfg`参数指定模型配置文件的路径。YOLOv5库提供了几个不同大小的模型配置文件（yolov5s.yaml, yolov5m.yaml, yolov5l.yaml, yolov5x.yaml），你可以根据自己的需求选择。
- `--weights`参数指定预训练权重的路径。如果你想从头开始训练，可以将其留空。
- `--batch-size`参数指定每个批次的图像数量。

7. 等待训练完成：
- 训练过程中，模型会自动保存在`runs/train/exp/`目录下。
- 在训练过程中，你可以在浏览器中通过TensorBoard查看训练进度：

     tensorboard --logdir runs/train

请注意，以上步骤仅为基本指南，具体细节可能会因环境和需求而异。在实际操作中，请根据你的情况进行相应的调整。