【无标题】
- 把轨迹放在一个文件夹下，像这样：
|---- tennis_0810
|---- 20230810_100930
|---- left
|---- right
|---- 20230810_100947
|---- left
|---- right
|---- 20230810_101002
|---- left
|---- right
-
先用
rename.py重命名 jpg 和 xml 文件，只要把 p 改为轨迹文件夹的父目录（绝对路径，如E:\\data\\tennis_0810\\，记得最后加 \），把 time 改为轨迹文件夹名（如20230810_164502）。
-
轨迹文件夹同级目录下创建 jpg 文件夹和 xml 文件夹：
-
运行
extract_jpg_xml.py之前，把 p 改为父目录p = "E:\\data\\tennis_0810"，然后运行这个文件，运行完之后，jpg 和 xml 就被分开在了两个文件夹了。
-
运行 delete.py ，删！除！没！用！的！ xml ！！！ 记得修改文件路径。
-
运行
is_match.py，做匹配。root 是 jpg 文件夹路径，cor_root 是 xml文件夹路径。
-
用 MobaXterm 软件（没有就用 vscode 吧，但是 vscode 很卡很慢），把 xml 文件全部拖到
/home/lyy/code/yolo_for_tennis/dataset_before/Annotations这个路径下（别找错，有好几个dataset）；把 jpg 文件全部拖到/home/lyy/code/yolo_for_tennis/dataset_before/images这个路径下（别找错，有好几个dataset），直接进了路径以后，全选本地文件，拖进去就行。
-
然后等待上传结束。
-
打开 vscode，准备训练捏
-
打开这个文件夹
/home/lyy/code/yolo_for_tennis，进虚拟环境yolo_py37 -
进
dataset_before文件夹，先运行 split_train_val.py 文件，再运行xml_to_yolo.py文件，不用改直接运行就行。
-
然后
cd ..，开始训练。
nohup python train.py --weights /home/lyy/code/yolo_for_tennis/weights/yolov5s.pt --data /home/lyy/code/yolo_for_tennis/data/tennis.yaml --device 3 >tennis_08010.txt 2>&1 &
weights: 权重文件路径，在这个权重的基础上继续训练模型，我这里用的是默认的，相当于是重新训练，效果不好的话，酒吧这个路径改成最新训练出来的权重文件的路径，在已经训练出来的权重文件上继续训练。
data：这个不用改
device：0, 1, 2, 3 （表示用哪块gpu，用最空的那块）
>后面加的是log文件名，2>&1 &这坨别删
我这里没用以前的权重文件，相当于把所有数据都放在一块重新训练了。
log 文件可以查看训练情况， 下面这坨 Epoch 出现就表示成功开始训练 了：
-
训练好的权重文件一般会在 train/runs 下最新的一个 expxx/weights 文件夹中（best.pt）
-
然后运行 gen_wts.py 文件，生成加速后的模型：
python gen_wts.py -w /home/lyy/code/yolo_for_badminton/runs/train/exp20/weights/best.pt -o badminton_0807.wts
-w 权重路径，改成你刚训练好的那个
-o 生成的 wts 文件名
- 然后你就能在当前文件夹下找到生成的 wts 文件了，下载，然后发给师兄就行了。