yolov5训练自己的数据集

一直兜兜转转，看yolov5看了好长一段时间。感觉迷迷糊糊的一直摸不着边际，直到今天终于可以又进一步。现在是使用yolov5里面训练自己的数据（只说我当前的操作，不说原理，因为我现在也不会）

使用环境：Win10(GPU) + Anacoda3+ pycharm

下载包：GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite​​​​​​

直接到这个下面将整个包下载下来。

1，安装Anaconda+pycharm

Anaconda和Pycharm的安装和配置 - 做你的太阳乀 - 博客园 

2,配置环境

双击pychram；创建一个新项目。然后点击“File"-"Settings"-"Project:你的工程名"-"Python Interpreter";可以看到当前环境。

 然后点击右上角的设置符号，点击"add"创建一个新的环境。我修改的环境名称为pytorch-gpu

 点击ok，确定了当前的运行环境。

 

点击“Terminal”可以直接进入当前的环境。然后即可在上面安装GPU相关的依赖包

win10下conda安装pytorch-gpu版本（超详细），完美解决镜像源下载慢问题！_皮皮鲁与鲁西西�的博客-CSDN博客 
 

4，开始注解数据集

LabelImg的使用_xiaoyifeishuang1的博客-CSDN博客

5，修改训练前的一些参数。

（1）我自己创建一个yaml文件

 这个主要用来储存训练和测试数据的文件。我当前的如下

（2）设置你想训练的模型。我选择的是yolov5s,于是进去yolov5s.yaml里面将其改成我的种类

（3）开始训练

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

这条马上报错了，错误信息是：RuntimeError: CUDA out of memory. Tried to allocate 50.00 MiB (GPU 0; 4.00 GiB total capacity; 2.57 GiB already allocated; 36.61 MiB free; 2.71 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting
max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

这个我看了好久，最后发现是显卡性能不够。只需要将batch改小就好了

修改后为以下指令，

python train.py --img 640 --batch 4 --epochs 5 --data ./data/cat.yaml --cfg ./models/yolov5s.yaml --weights ''

这就跑起来了。

 未报错得到的是这个。以上即为我训练的步骤和方法。