如何实现自己的训练集

在anaconda prompt中查看（conda info -e）、删除（conda remove -n aimbot_env）虚拟环境 

其中aimbot_env是虚拟环境的名字

是否要删掉？选y

 创建虚拟环境（conda create -n aimbot_env python==3.7.4）

已经存在环境是否创建？选择y

 这里创建太慢的话可能是没有配置合适的源

conda国内源配置cnblogs.com/dereen/p/anaconda_tencent_mirrors.html

channels:

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

-defaults

show_channel_urls: true 

搜索yolov5的源码然后下载

 下载好之后项目用pycharm打开

打开之后一般环境是要添加或者选择的（打开项目之后界面的右下角Python 3.7点开然后settings）

选择好环境之后

安装第三方库(安装过程要关闭代理)

命令：

pip install -r requirements.txt

安装过程可能会遇到的错误：pycocotools安装失败

解决方法：bilibili视频

接下来安装GPU驱动：CUDA

官网：CUDA Toolkit 12.3 Update 1 Downloads | NVIDIA Developer

官网：PyTorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

在pycharm窗口执行上面的代码

（但是一般需要选择对应的版本）

搜索一下对应版本号（Conda和Wheel都要安装）

Conda：

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

Wheel：

pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2

接下来在terminal中输入以下命令：

import torch
torch.cuda.is_available()

 如果输出TRUE，就代表可以用GPU跑模型了

现在就可以找一个现有的模型看能不能跑通

下载yolov5n.pt

把yolov5n.pt粘贴到yolov5项目里面

现在就可以运行看能否跑通

一些参数的意义：

如何实现自己的训练集：

先安装labeling

命令：

pip install labelimg

安装完成之后在命令行输入labelimg，就会弹出一个界面

指定数据路径：

在图片路径同目录下再创建一个文件夹labels

设置存储的文件夹

修改

开始标注

标注完ctrl+s保存一下，然后点next image下一张图片

标注完成之后关闭窗口完成下面的操作（创建配置文件）：

修改train文件中的一些参数：

接下来可以开始训练模型：

这是训练结果存储的地方，best是训练过程中最好的模型，last是最差的模型

实现屏幕实时监控截图

两种方式：

1.win32api

2.mss

下面是mss：

先安装mss：

 

创建文件夹aimtools并创建文件：

文件内容：