YOLOv5训练自己的数据集
1.找到代码：
YOLO5的代码可以在GitHub上找到，最好是用最新的代码。
YOLO5
https://github.com/ultralytics/yolov5可以选择在网站上面下载代码，或者用命令克隆代码也行；
git clone https://github.com/ultralytics/yolov5 代码克隆好以后会放在当前克隆命令文件夹的yolov5文件里。
2.配置环境：
YOLO5要求python大于等于3.7.0，pytorch大于等于1.7版本。可以根据自己的硬件设备来搭建满足以上要求的环境。
我的环境配置如下：
创建虚拟环境：创建一个名为py38的python等于3.8的虚拟环境
conda create -n py38 python=3.8安装cuda9.2的torch1.7的版本：
可以在pytorch官网，使用pip命令安装：
pip install torch==1.7.1+cu92 torchvision==0.8.2+cu92 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html这样的话需要再另外安装9.2版本的cuda:可以参考一下文章：
安装cuda9.2https://blog.csdn.net/qq_51570094/article/details/123902419或者直接使用conda的命令安装，这个命令会在你的虚拟环境里面直接安装好cuda9.2,但是仅限于这个环境自己调用，你不能去另外调用这个cuda.
也是在pytorch官网找到命令：
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=9.2 -c pytorch然后根据YOLO5的要求文件，配置环境需要的其他包：
cd yolov5
pip install -r requirements.txt 这样就配置好环境了，可以运行YOLO5了。
初次运行YOLO5.
如果你是首次运行YOLO5，你可以什么改动都不用做，直接运行train.py，代码会自动下载模型权重问津和coco128数据集，并开始训练。
coco128数据集会放在与yolov5同级的datasets目录文件夹中。
训练自己的数据集：
前面有了训练coco128数据集成功的案例，那么我们要训练自己的数据集就会变得简单了。假设我们的标签数据已经制作好了，是YOLO的TXT标签。
那么我们可以直接按照coco128数据集的摆放方式来摆放自己的数据，然后在yolov5文件中找到data文件夹下面的coco128.yaml文件，修改里面的文件路径与类别数和类别名称。
原coco128.yaml文件：
分别是文件路径，类个数和类名称，以及下载coco128数据集。
你可以修改此文件，也可以新建一个文件来保存内容，修改后的文件如下：
自己的数据文件位置，类个数和类名称。
然后修改模型的类别个数。位置在model文件夹下：
有yolov5s, yolov5n, yolov5m, yolov5l, yolov5x,模型的参数设置，修改对应的.yaml文件即可。
修改文件的第一个类个数即可。
然后就可以再次运行train.py文件了，这个时候跑的就是你自己的数据集了。
当然这是最简单的一种方法。
你也可以修改更多的参数，如模型，权重，batch，device，图片大小，iou， epoch等等。
你也可以仿照voc数据集进行训练自己的数据集 ，如果你的数据集和voc的数据集是一样的制作格式的话。