windows+Pycharm+yolov5 配置环境以及本地训练自己的模型

参加比赛真的可以学到好多好多的东西，也是因为一次比赛，我接触到了模型训练，刚开始我采用openmv进行训练，效果很拉跨，接着通过查找一些资料，我发现了yolo，这个用来做目标检测效果很好，然后我就开始尝试，摸爬滚打好几天，最后终于成功了，网上的教程真的很不全，所以我想写一篇博客记录一下我这几天学习的过程。我写下这篇博客第一是为了记录我自己的学习生活。第二是为了让我的学弟学妹在学习以及正在学习模型训

我与nano

22433人浏览 · 2021-10-31 22:29:52

我与nano · 2021-10-31 22:29:52 发布

前言

PyCharm是一种Python IDE（Integrated Development Environment，集成开发环境），带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。
当然它也可以进行模型训练，跑yolo算法以及opencv。这篇博客主要给大家介绍怎么使用Pycharm进行模型训练。接下来我们进入正文。

一、前提准备

一台电脑
Pycharm软件:
https://www.jetbrains.com/pycharm/

二、环境配置

1.安装anaconda

https://www.anaconda.com/
安装完成后打开anaconda3.5.2
在这里插入图片描述
2.安装python3.6

输入

conda create -n pytorch python=3.6

这里我已经安装过了安装完成后显示
在这里插入图片描述
输入conda activate pytorch 进入pytorch环境

输入pip list 查看已经安装的包

这里没有pytorch接下来我们安装pytorch

3.安装pytorch

如果你的电脑没有英伟达的显卡输入：（在pytorch环境下输入）

conda install pytorch torchvision cpuonly -c pytorch

如果你的电脑有英伟达的显卡输入：（同样实在pytorch环境下）

conda install pytorch torchvision cudatoolkit -c pytorch -c defaults -c numba/label/dev

查看自己的显卡版本号（只有版本号大于396才支持安装）
在这里插入图片描述
输入指令

接下来就是漫长的等待…
安装完成后输入 pip list 查看已经安装的包

输入

python 
import torch
torch.cuda.is_available()

在这里插入图片描述
如果显示ture说明已经安装成功了

三、项目环境配置

1.下载yolov5官方项目

选择yolov5-5.0版本

https://github.com/ultralytics/yolov5

2.配置模型训练环境

使用Pycharm打开yolov5-5.0
在这里插入图片描述
打开后第一步点击设置配置python解释器

选择你们刚才配置的解释器，回到主界面，点击requirements.txt

在最上面一行你会看到pip语句
打开终端输入 pip install -r requirements.txt

在这个txt文件下，官方把所需环境全都给出了直接输入就可以安装所需环境了。
运行detect.py文件
在这里插入图片描述

在这里插入图片描述
在runs下你就可以看到所预测的图片。

四、自制数据集训练自己的模型

1.制作数据集

1.图片的采集

采用手机拍照或者走网上搜索你所需要的数据集。

2.图片的标注

在这里给大家推荐一个在线标注工具：https://www.makesense.ai/
在这里插入图片描述
vott也是一个很好用的工具，这个可能更加方便一点
点击Get Started

然后选择自己所要训练的图片，点击Object Detection(对象检测)
在这里插入图片描述
输入你所需要的标签，如果你的种类较多可以enter继续输入

画框打上标签，如图所示

导出模型标签

选择第一个yolo模型（如果你是用K210进行训练的话选择第二个）

然后导出，你可以看到你需要的标签已经下载下来了
在这里插入图片描述