【X3派】【零基础】将YOLOv5算法部署到X3派上｜ncnn｜未完待续

1、下载YOLOv5-v2.0源码和数据集

地平线官方在下面链接（文档2.3.7.YOLOv5s）中指出，当前X3派仅支持yolov5-v2.0版本。

2. 算法模型示例 — horizon_model_convert_sample_documentation v1.12.3 文档

因为我们是要训练自己的数据集，所以我们首先要从github上下载yolov5的源代码。

下载链接：GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite

依次点击：master-Tage-v2.0

注：一定要选在v2.0，这点很重要！！！

 

点击完v2.0后，页面显示如下图所示：

依次点击：Code-Download ZIP

下载后源码后，放到电脑桌面上。

开源的数据集有很多，大家可以自己去找，我的数据集是关于道路裂缝的，关注这个主题的人可能比较少，这里就先不细说了，如果有需要，欢迎留言！

2、上传源代码和数据集

由于我的电脑是mac，不支持GPU，所以我是选择Google Colab进行训练，白嫖党的幸福。为了提高训练速度，我开了一个月的会员Colab pro。（如何开通？见tb）

有关Colab的介绍见如何评价 Google Colab 提供的免费 GPU？ - 知乎

Colab一般是配合谷歌的云端硬盘进行使用，https://drive.google.com/drive/my-drive。

将YOLOv5-v2.0的代码和数据集分开压缩然后上传到云端硬盘上，后续我们需要当数据集单独放在Colab的目录下，而代码始终会放在云端硬盘中，这是因为Colab读取云端硬盘的速度emmm慢。

注：上传速度可能很慢，毕竟服务器在国外。

接着我们打开Colab，新建一个test1.ipynb文件

点击重新连接，就可以开始白嫖。

from google.colab import drive 
drive.mount('/content/drive')

输入上述命令，目的是将Colab和我们的云端硬盘相连接。

待运行完成中，点击图中见图指向的文件夹图案，drive文件夹里就是我们云端硬盘的内容

 

接着解压YOLOv5源码，在Colab中新建一个文件，命名为unzipfile.ipynb

from google.colab import drive 
drive.mount('/gdrive') 
!unzip '/gdrive/My Drive/MyDrive.zip/lei00764/yolov5.zip' -d '/gdrive/My Drive/lei00764'

前两行代码作用依旧是挂载云端硬盘

最后一个代码是将yolov5压缩包进行解压，存放在 /content/drive/MyDrive/lei00764/

数据集不进行解压，以压缩包dataset.zip形式存放在/content/drive/MyDrive目录下

3、配置环境

在test1.ipynb文件中运行下列代码，下载yolov5需要的各种库

!pip3 install -r /content/drive/MyDrive/lei00764/yolov5/requirements.txt

这里面坑比较多，尤其是我们用的不是最新的yolov5，而Colab使用的大多是最新的库。

待补充

4、进行训练

!mkdir /content/datasets # 在content目录下创建一个目录用于存放数据集

!unzip "/content/drive/My Drive/dataset.zip" -d "/content/datasets" # 解压数据集，移动到/content/datasets目录下

# 这里需要对train.py中某些参数进行更改，对应的配置文件也要进行更改或新建 
!python3 /content/drive/MyDrive/lei00764/yolov5/train.py # 进行训练