yolov5训练自己数据集过程记录
1.环境说明
系统：windows10
CUDA: 10.2
2.环境创建
-
首先用conda创建测试的虚拟环境conda create -n yolov5 python=3.8 ，完成后输入conda activate yolov5即可激活环境
-
然后按照yolov5官方的requirment.txt配置依赖包，输入pip install -r requirment.txt即可自动安装
yolov5的链接如下：ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite (github.com)，权重文件需要单独下载，连接如下Releases · ultralytics/yolov5 (github.com)
3. 数据集准备
1)准备好代码，按照上面链接下载解压后得到yolov5文件夹
2)将自己的图像数据images和标注数据labels两个文件夹放到yolov5/data文件夹下面
3)利用脚本将数据集分为训练集、验证集、测试集，代码如下。运行后yolov5/data文件夹下面生成3个txt文件，train.txt，test.txt，val.txt
```
import os
import random
#各数据集比例
trainval_percent = 0.1
train_percent = 0.8
test_percent = 0.1
xmlfilepath = '../labels' #标注文件的路径，若数据是txt标注文件，则改成txt的路径
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
listtotal = range(num)
tv = int(num * trainval_percent) #验证集
tr = int(num * train_percent) #训练集
tt = num - tv - tr #测试集
test = random.sample(listtotal,tv)
train = random.sample(listtotal,tr)
val = random.sample(train,tv)
#生成的labels目录txt放在data文件夹下
fimgval = open('../val.txt','w')
fimgtest = open('../test.txt','w')
fimgtrain = open('../train.txt','w')
#将图片路径写入每个txt
for i in listtotal:
name = './data/images/'+ total_xml[i][:-4] +'.jpg\n'
if i in test:
ftest.write(name)
elif i in val:
fval.write(name)
else:
ftrain.write(name)
fval.close()
ftrain.close()
ftest.close()
```
文件格式如下图：
4)修改coco.yaml文件，我的图像中检测行人一个类别，将文件内容修改如下：
```
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ./data/ # dataset root dir
train: train.txt # train images (relative to 'path') 118287 images
val: val.txt # val images (relative to 'path') 5000 images
test: test.txt # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794
# Classes
nc: 1 # number of classes
names: ['person'] # class names
```
-
网络训练
在yolov5虚拟环境中运行下面命令即可开始训练，我只用10个epochs测试
python train.py --data ./data/coco.yaml --cfg ./models/yolov5s.yaml --weights ./models/yolov5s.pt --epochs 10 --batch-size 8完成后显示下图：
5. 问题总结
1）图片路径错误
该过程中最容易出现问题的就是图片路径不对，如下面的错误，找不到图像数据，或者找不到labels
File "C:\Users\yolov5\utils\datasets.py", line 417, in __init__
raise Exception(f'{prefix}Error loading data from {path}: {e}\nSee {HELP_URL}')
assert nf > 0 or not augment, f'{prefix}No labels in {cache_path}. Can not train without labels. See {HELP_URL}'
AssertionError: train: No labels in C:\Users\yolov5\data\train.cache. Can not train without labels. See https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data
这两种错误都需要检查一下生成的train.txt，test.txt，val.txt是否在data文件夹下面，因为代码中是直接在train.txt目录下找images文件夹，然后将images替换为labels即为labels的路径，所以这样配置最方便查找。
[Errno 2] No such file or directory: '..\\images\\1 (40).jpg'
这里写的相对路径，因此在yolov5根目录下运行train.py文件时候找不到文件，修改路径即可
2）AttributeError: ‘Upsample’ object has no attribute ‘recompute_scale_factor’
报错中会提示\envs\虚拟环境名称\lib\site-packages\torch\nn\modules\upsampling.py", line 154, in forward
recompute_scale_factor=self.recompute_scale_factor)
打开这个文件，定位到代码行，将
def forward(self, input: Tensor) -> Tensor:
return F.interpolate(input, self.size, self.scale_factor, self.mode, self.align_corners,
recompute_scale_factor=self.recompute_scale_factor)
修改为
def forward(self, input: Tensor) -> Tensor:
return F.interpolate(input, self.size, self.scale_factor, self.mode, self.align_corners,
#recompute_scale_factor=self.recompute_scale_factor
)