YOLOv5环境配置以及训练私人数据

Git地址：https://github.com/ultralytics/yolov5

  1.使用anaconda安装python3.8的环境

conda create -n yolo5 python=3.8

      #anaconda下载地址: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

  2.安装pytorch1.6 torchvision0.7

conda install pytorch==1.6 torchvision==0.7 cudatoolkit=10.1

  3.安装相关包

pip install opencv-python matplotlib pillow pycocotools PyYAML scipy tqdm tensorboard

  4.问题：libGL.so.1: cannot open shared object file: No such file or directory

apt install libgl1-mesa-glx

  5.尝试运行：

   下载model到weights/yolov5s.pt

   运行demo

python detect.py --source ./inference/images/ --weights yolov5s.pt --conf 0.4

 6.训练自己的数据集：

     a.  新建yolov5-master/data/my.yaml,并在yolov5-master/data/train.py的parser中改为自己my.yaml路径

train: dataset/images/train/  # 1 images
val: dataset/images/val/  # 1 images

# number of classes
nc: 1

# class names
names: ['problem']

  b. 在my.yaml中所写位置建立自己的数据集。

          注意：*.txt里面格式如下：0 0.5 0.5 0.1 0.1

           即label，中心点横坐标的归一化值(中心点横坐标除以图像宽)，中心点纵坐标的归一化值(中心点纵坐标除以图像高)，标注框宽的归一化值（标注框宽除以图像宽），标注框高的归一化值（标注框高除以图像高）

    c.  运行个人数据:

         python train.py