yolov5训练自己的数据集(ubuntu)详细步骤

以下是在 Ubuntu 系统下使用 YOLOv5 训练自己的数据集的详细步骤：

1. 安装必要的依赖项

在终端中执行以下命令，以安装必要的依赖项：

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install git
sudo apt-get install python3-pip
sudo apt-get install python3-venv
sudo apt-get install libjpeg-dev zlib1g-dev

2. 克隆 YOLOv5 代码库

在终端中执行以下命令，以克隆 YOLOv5 代码库：

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

3. 创建 Python 虚拟环境

在终端中执行以下命令，以创建 Python 虚拟环境：

python3 -m venv yolov5
source yolov5/bin/activate

4. 安装依赖项

在虚拟环境中执行以下命令，以安装依赖项：

pip install -U pip
pip install -r requirements.txt

5. 准备数据集

将准备好的数据集放入 `yolov5/data` 目录中，并且将标注文件放入 `yolov5/data/labels` 目录中。

标注文件应该是以 `.txt` 后缀名结尾的文件，每个文件对应一张图片，其中每一行都表示一个目标的标注信息，格式为：

<class> <x_center> <y_center> <width> <height>

其中 `<class>` 是目标的类别，从 0 开始编号；`<x_center>` 和 `<y_center>` 是目标框的中心坐标；`<width>` 和 `<height>` 是目标框的宽度和高度，都是相对于图片宽度和高度的比例。

例如，对于一张包含两个目标的图片，标注文件的内容可能如下所示：

1 0.5625000000000001 0.475 0.125 0.2
2 0.69375 0.665 0.125 0.125

6. 配置训练参数

在 `yolov5/models` 目录中有一些预定义的模型配置文件，可以根据需要选择一个并进行修改。

在 `yolov5/data` 目录中创建一个 `.yaml` 文件，用于指定数据集的相关信息，例如：

train: ../train/images
val: ../valid/images

nc: 2
names: ['person', 'car']

其中 `train` 和 `val` 分别指定训练集和验证集的图片路径，`nc` 表示类别的数量，`names` 是一个字符串列表，表示每个类别的名称。

7. 开始训练

在终端中执行以下命令，以开始训练：

python train.py --img 640 --batch 16 --epochs 50 --data data/custom.yaml --weights yolov5s.pt --name custom --cache --device 0

其中 `--img` 指定输入图片的大小，`--batch` 指定批量大小，`--epochs` 指定训练的轮数，`--data` 指定数据集的配置文件，`--weights` 指定预训练模型的权重文件，`--name` 指定训练的名称，`--cache` 开启数据缓存，`--device` 指定使用的 GPU 设备编号。

8. 测试模型

在终端中执行以下命令，以测试模型：

python detect.py --weights runs/train/custom/weights/best.pt --img 640 --conf 0.4 --source /path/to/test/images

其中 `--weights` 指定训练好的模型权重文件，`--img` 指定输入图片的大小，`--conf` 指定置信度阈值，`--source` 指定测试图片的路径。

至此，YOLOv5 训练自己的数据集的详细步骤就介绍完了。