YOLO学习笔记

本文章主要用来写YOLOv5的实操过程（因为理论知识不太会2333），主要用于记录学习的过程

众所周知，YOLO是一个用来实时识别图像的一个工具，因为其速度快、效率高高可以用在很多领域。

YOLO v5.0的曲折安装过程

YOLO v5.0的github官网，复制需要clone地址

git clone https://github.com/ultralytics/yolov5.git

这时我们就会得到yolov5的文件夹

用pycharm打开它，在终端输入

pip install -r requirement.txt

这个会有亿点点慢，耐心等待即可。

当最后出现Success的字样时，也就安装完毕了~

安装完毕运行一次dectect.py试试，若出现错误可以根据提示进行操作。运行完毕后可以在run里面找到自己的运行结果。

遇到的问题

安装依赖包时出现警告

WARNING: Ignore distutils configs in setup.cfg due to encoding errors.

编码问题，在终端输入chcp 65001即可

找不到需要的module

明明已经成功安装了requirements.txt中的模块，为什么还是在Pycharm中提示No such module捏？

这是因为我的电脑中有两个Python，一个是我在上学期学Python的时候自己单独下载的Python，另外一个是Anaconda中的Python。而我下载的Module在Anaconda中。

解决方法：

在Pycharm中把解释器的路径改为Anaconda的Python路径，大概是在users/anaconda3/lib中。

---

OK，到这里安装过程就结束了

下面可以准备进行数据标注（对图片打标签）的学习了

数据标注

利用LabelImg进行数据标注（前两天学过），记得把模式调成YOLO，这样就会生成YOLO可以识别的txt格式的标签了。

修改配置文件(改参数)

去data中找到coco128.yml，把里面的东西复制出来，粘贴到新的文件中，例如 wzry.yaml

wzry_parameter.yaml需要修改的内容：

nc是标签名个数

names标签的名字

这次就可以了

再去models中找到一份模板，例如yolov5x.yaml，改名为wzry_model.yaml

训练

由于本人电脑算力不够，便放在了付费GPU服务器中计算。

去train.py中修改里面的Argparse参数即可（主要是一些关于路径的问题）

训练完毕后，进入到runs里面的exp文件夹（exp1、exp2等等是按照训练先后不同加以区分），其中last.pt和best.pt就是得到的权重文件。得到了权重，我们就可以开始识别了。

识别

detect.py就是用来识别的文件，和train.py同理，我们可以修改main函数里面argparse中的路径用来对图片或者视频进行识别。导出的文件依然在runs里面。