YOLOv5初探（看来这个YOLO5做得还不是很完善，过段时间再试试？？）

YOLOv5简介

YOLOv5速度比前代更快，在运行Tesla P100的YOLOv5 Colab笔记本中，每个图像的推理时间快至0.007秒，意味着每秒140帧（FPS）！

YOLOv5体积小，YOLOv5 s的权重文件为27MB。YOLOv4（Darknet架构）的权重文件为244MB。YOLOv5比YOLOv4小近90％。这意味着YOLOv5可以更轻松地部署到嵌入式设备。

此外，因为YOLOv5是在PyTorch中实现的，所以它受益于已建立的PyTorch生态系统；YOLOv5还可以轻松地编译为ONNX和CoreML，因此这也使得部署到移动设备的过程更加简单。

名称	发布公司	语言	框架	所需环境
YOLOv5	Ultralytics	python	pytorch	python3.7+ pytorch1.5+

以上数据来自——量子位：YOLOv5它来了！YOLOv4发布不到50天，它带着推理速度140帧/秒、性能提升2倍来了

官方github链接

Github链接：ultralytics/yolov5

这个主图有趣O(∩_∩)O

如何安装以及训练自己的数据集

安装

Train Custom Data

先下载项目https://github.com/ultralytics/yolov5/archive/master.zip

复制链接到迅雷下载比较快

下好了然后解压

然后到这个目录下，用控制台运行pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt，安装所需的库

但是发现卡住了，我们手动下载requirements.txt里的大文件

打开requirements.txt

复制这个链接https://github.com/cocodataset/cocoapi.git打开

有点慢，打开后下载这个

下好后把它解压，复制到yolov5-master目录下

然后将requirements.txt里的这句注释掉（前面加#），然后保存关闭

然后重新运行

安装好了，但是报了一个错误

我们直接运行pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.5

但还是报错

通过PyTorch 《动手学深度学习》学习笔记（Dive-into-DL-Pytorch）查看pytorch的安装方法

可能是我的python版本太低了

到这https://www.python.org/downloads/windows/下载python，

windows用户下这个https://www.python.org/ftp/python/3.7.0/python-3.7.0-amd64.exe


双击安装


覆盖我之前安装目录


测试一下，已经安装成功了

重新运行之前的pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt

报了一堆错误

看提示似乎要重装一下numpy

pip uninstall numpy

pip install numpy

太慢了，还是用镜像源吧

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy

安装numpy完成

再重新运行pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt

好了，但还是pytorch的问题

在这里https://pytorch.org/看pytorch对应cuda版本，我先看看我的cuda

我是9.0的


貌似我的cuda版本不支持pytorch1.5.0，重新安装一下cuda

我刚好有cuda10.1的，安装一下

半个小时安装好了，cudnn也拷贝到安装文件夹了，也没有配置系统变量、环境变量，不会装的可以看看这个Yolo-v2_ Windows平台下如何配置darknet-yolov2？（安装CUDA）

看看版本

重新运行pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt

还是这个报错，手动安装吧



复制这个然后修改一下，加镜像源

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

好像不行，还是很慢的

可能需要下载wheel文件安装

到这里下这个https://download.pytorch.org/whl/torch_stable.html

迅雷下很快

然后安装这个wheel文件，参考：python pip如何安装wheel文件？.whl（pip install [wheel]）

pip install "torch-1.5.0+cpu-cp37-cp37m-win_amd64.whl"

装好了

emmm，好像下错了。。。貌似应该下这个

装好了

接下来就可以训练自己数据集了吧

训练

1、创建Dataset.yaml文件

这个文件是用来告诉程序你要训练的图片以及标注的路径的

它放在data文件夹下

内容格式如下，主要包含四项，训练集路径train，验证集路径val，检测类数目nc，检测类名names

像我自己因为只要检测一个类，我就像下面这样创建：创建一个记事本，填入以下内容后保存为.yaml格式，记得重命名一下（我是跟我的数据集文件夹取同样的名字）

2、创建存放图片和标注的目录

在yolov5或yolov5-master目录上层创建文件夹，用于下一步存放我们的图片以及标注：

3、创建标注labels

作者推荐了两款创建标注的工具，Labelbox or CVAT，不过我自己用的是这款labelImg 使用教程 图像标定工具

记得生成的标注一定要这种格式的

做好标注后，将图片和标注放进我们上一步创建的文件夹中：

我这边有4000张图片和4000个已经做好的标注，直接按训练集：测试集=3：1分配到文件夹里，记得图片放图片文件夹，标注放标注文件夹

4、选择预训练模型

作者推荐选择的是yolov5s.yaml，最小最快的一个

5、正式训练

先下载预训练模型，在D:\Dontla_YOLOv5\yolov5-master\weights路径下双击download_weights.sh下载预训练模型

但貌似下不了不知怎么回事，一点击窗口就瞬间消失了

用记事本打开

找到这个

在这

用记事本打开，然后直接复制链接，用浏览器打开

打开后直接点击要下载的


下好了，放在这个路径下

打开train.py看看，发现里面缺少很多库，要一个一个安装，推荐使用镜像源安装：解决pip安装时速度慢的问题 镜像源（pip install -i [镜像源地址] [包名]）

有时还会报其他错误，要自己动手解决

参考解决方法：由于找不到msvcp140.dll无法继续执行代码

要动我的VS2015，这手术就大了。。。

看来这个YOLO5做得还不是很完善，过段时间再试试？？

python train.py --img 640 --batch 16 --epochs 5 --data ./data/my_dataset.yaml --cfg ./models/yolov5s.yaml --weights yolov5s.pt