Yolov5进阶之四训练自己的数据集

在前面的准备里，做了环境测试，而且使用labelimg建立了训练集。首先把训练集的图片和标签分别放入 images 和labels文件夹，如下图

放在什么位置主要为了使用 train.py命令时方便
下面配置 yaml文件

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: runs/traindata/images/
val: runs/traindata/images/
# number of classes
nc: 1

# class names
names: ['kn']

存为 A.yaml 我直接放在根目录了
这样就完成了所有准备，可以执行

python train.py --img 640 --batch 50 --epochs 100 --data A.yaml --weights yolov5s.pt --nosave --cache

可以看出，还是使用 yolov5s权重来进行训练。yaml文件的路径注意对应。我训练了10张柯南照片， cpu训练较慢，时间大概为40分钟。

新下载一张图片，放在所需路径，进行识别

python detect.py --weights runs/train/exp2/weights/last.pt --source data/images/kn.jpg