yolov5（Pytorch框架）windows下（使用GPU）训练自己的模型（手把手教学）

1、安装Anaconda（激活虚拟环境用的）

2、安装vscode（代码编辑器），并在其中配置Python

3、使用Anaconda创建一个Python环境，如conda create python3.10

4、安装cuda和cudnn：

        使用nvidia --smi查看自己电脑支持cuda的最高版本，比如我的电脑最高支持cuda11.6，那我就可以安装cuda11.3，再下载对应版本的cudnn（版本一定要对应），下载完成之后，把cudnn相关文件复制到cuda文件夹中（cuda相当于一个工作台，cudnn相当于使用的钳子扳手），下载完成之后配置环境变量，想用那个cuda就把哪个cuda放上面

5、安装torch库，推荐使用轮子安装，不然很慢，先把轮子下载到电脑上，再用pip命令安装到创建的虚拟环境中（这里的torch版本一定要和cuda版本对应，版本情况请查阅其他资料）

torchvision同理

安装完成之后，在虚拟环境python中，import torch, torch.__version__以及import torchvision, torchvison.__verision__查看，如出现torch1.11.0+cu11.3则说明安装成功

6、从github上下载yolov5-master（下载其他版本也可以，根据需要自行选择）

7、（标注数据集就不说了，很简单，使用labelImg标注即可，数据集标签文件是.xml格式）

8、将vscode中的terminal切换为cmd，因为vscode中terminal默认是powershell，Powershell激活虚拟环境需要其他操作，cmd只需要activate即可

9、数据集预处理

     运行splite_train_val.py划分训练集验证集测试集

     运行xml2yolo，将.xml标签文件转换为.txt文件，注意生成文件路径一定不要出错，包括对应图片位置的文件夹以及生成标签的文件夹（不然影响后面训练）

10、github下载预训练模型，比如要训练yolov5s模型就下载yolov5s.pt

11、在data文件夹下创建自己的myvoc.yaml，写自己的数据路径以及类别

12、开始训练：

        参数配置
        epoch最好100以上

        device选0(GPU)，给anaconda所在的盘分配一些虚拟内存

yolo算法存在nan值，及说明在训练的时候就出现问题了，所以我们要train.py里面作出修改，
一，在train.py中使用Crtl+F搜索amp把amp = check_amp(model)直接注释掉然后在下面把amp赋值为False（GTX16xx系列显卡的问题），其他系列显卡忽略

13,、tensorboard --logdir=runs/train，打开tensorboard，里面有日志文件，训练参数可视化

14、预测，运行detect.py即可，可预测图片、视频，检测摄像头

15、运行gen_wts.py一定用命令行操作 python   .py