【YOLOv5】基于Pytorcht的训练过程（简洁版）

本文仅仅是在windows、CPU上做的简单测试。
YOLOv5的训练更简单，简洁。

执行步骤：

1. test.py
2. my_labels.py
3. python3 train.py --data data/my_data.yaml --cfg models/my_yolov5s.yaml --weights ' ' --batch-size 16 --epochs 100

注意：numpy、pytorch等等版本要合适，不然就会报错。
我这里numpy==1.14.5版本过低，然后升级到1.19.0就正常了。

1. data文件夹
   
   需要注意的是，images文件夹存放的是原始图片。这几个文件名的命名方式必须是这样。如果想自定义文件夹名称，train.py等文件需要修改源码，比较麻烦。 （images这个文件夹与YOLOv3命名不一样，我没注意这个问题，结果就报错了）

2. models文件夹
   

3. 训练
   各个文件内容检查无误后，就可以训练了。在yolov5-master文件夹下运行：

python3 train.py --data data/my_data.yaml --cfg models/my_yolov5s.yaml --weights ' ' --batch-size 16 --epochs 100

python3 train.py --data data/my_data.yaml --cfg models/my_yolov5s.yaml --weights weights/yolov5s.pt --batch-size 16 --epochs 100

注意：epochs设置要合理，根据自己需要设置。

详细步骤可参考：https://blog.csdn.net/qq_34795071/article/details/106645048###