1|0✨yolov5训练结果生成yolov5每次train完成（如果没有中途退出）都会在run目录下生成expX目录（X代表生成结果次数 第一次训练完成生成exp0 第二次生成exp1......以此类推）expX目录下会保存训练生成weights以及result.txt（其中weights是训练生成权重，可用于detect）并以可视化的方式展示训练结果 -> result.png2|0✨可

一、训练环境Windows10下编译好的darknet（具体编译可以看），源码地址：https://github.com/AlexeyAB/darknet二、制作自己的数据集

一、下载源码git clone https://github.com/AlexeyAB/darknet.git二、编辑Makefilecd darknetsudo vim Makefile三、编译在darknet路径下输入make -j4编译成功，输入./darknet有如下输出四、将我们在windows下训练好的权重以及改好的文件复制到板子上的darknet文件夹相应位置复制的文件有四个个分别是

前言把自己训练好的yolov5s.pt转为tensorrt模型是为了实现推理加速，过程也非常简单，不过有一点就是网上的教程很多但是yolov5的代码版本也有很多，所以导致很多操作有一些不同，所以建议直接去大佬的开源看他的readme，下面我就来说一下我yolov5-5.0的转换过程以下步骤都是在jetson nano上进行一、安装pycudasudo pip3 install pycuda这里我直

前言前几天完成了在树莓派上部署yolov5s，但是效果实在不好，大概0.3的fps，在老师的支持下又买了一块jetson nano的板子，开始折腾。以下是拿到板子装过系统，从更换源到实现yolov5部署的一个完整过程。参考https://blog.csdn.net/IamYZD/article/details/119618950https://blog.csdn.net/u012254599/ar