简单三步用Yolov5快速训练自己的数据集

2023-02-28

数据配置文件文件夹

简单三步！用自己的数据集快速训练Yolov5模型文章目录简单三步！用自己的数据集快速训练Yolov5模型1第一步；准备好划分完的数据集2第二步；写一个数据集的配置文件3第三步；修改train.py参数4小知识💡：标签内容解释5常见问题🌟本人更多YOLOv5实战内容导航🍀🌟🚀网上关于Yolo

简单三步！用自己的数据集快速训练Yolov5模型

文章目录

简单三步！用自己的数据集快速训练Yolov5模型
- 1 第一步；准备好划分完的数据集
- 2 第二步；写一个数据集的配置文件
- 3 第三步；修改train.py参数
- 4 小知识💡：标签内容解释
- 5 常见问题🌟
- 本人更多YOLOv5实战内容导航🍀🌟🚀

网上关于Yolov5如何标注数据集的文章很多，如果大家嫌麻烦可以看我这篇文章介绍的标注工具，可以直接标注成YOLO格式的

下面直接通过一种简单明了的方式让大家迅速的开始训练自己的数据集；

相信大家在运行Yolov5时coco128数据集已经下载好了，coco128数据集默认的位置就是我们项目代码的同级目录，所以我以这个位置作为参考，通过对比的方式让大家迅速了解读取数据集的原理；

这次我使用的是划分好了的数据集，所以并没有介绍如何去划分数据集，如果大家需要会补上的；

1 第一步；准备好划分完的数据集

将解压好的数据集放到datasets文件夹下,dataset文件夹是我们在运行项目时自动创建的，dataset文件夹里面已经有了coco128数据集，放好之后应该就是下面树形结构的样子

检查数据集是否按照这样的方式去命名，这里注意的是image文件夹下的“train”和“val”要与lables文件夹下的“train”和“val”名字一致

D:\PYCHARM_PROJECTS
          ├─yolov5-v6.1-test
          └─datasets
                ├─coco128
                │  ├─images
                │  │  └─train2017>图片.jpg
                │  └─labels
                │      └─train2017>标签.txt
                └─mydata
                    ├─images
                    │  ├─train>图片.jpg
                    │  └─val>图片.jpg
                    └─labels
                        ├─train>标签.txt
                        └─val>标签.txt            
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15