conda环境配置.pdf

Anaconda开发环境.pdf

1.2. 具体安装过程以及Pycharm环境配置见附件

# 安装新环境
conda create -n env_yolov5 python=3.10 -y
# 激活并进入新环境
conda activate env_yolov5
# 安装torch
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
# 安装Yolov5
pip install git+https://github.com/ultralytics/yolov5.git
# 验证是否安装成功
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

"""在conda环境下安装"""
pip install labelme pyqt6

注意：所有文件必须放在datasets文件夹中

固定的文件路径，images和labels中的两个文件夹中的内容名称要一一对应

# labelme 导出的标注文件是json格式，而Yolo模型训练中标注文件的格式需要Yolo格式，所以需要通过代码进行格式转换
import os
import json

# 类别映射，按你的类别改
class_map = {
    "cat": 0,
    "dog": 1,
}

json_dir = "labelme_json"   # 存放json文件的文件夹
output_dir = "labels"       # 输出yolo标签的文件夹

os.makedirs(output_dir, exist_ok=True)

for file_name in os.listdir(json_dir):
    if not file_name.endswith(".json"):
        continue

    json_path = os.path.join(json_dir, file_name)
    with open(json_path, "r", encoding="utf-8") as f:
        data = json.load(f)

    image_width = data["imageWidth"]
    image_height = data["imageHeight"]

    yolo_lines = []

    for shape in data["shapes"]:
        label = shape["label"]
        points = shape["points"]

        if label not in class_map:
            continue

        # 这里只处理 rectangle 标注
        if len(points) != 2:
            continue

        (x1, y1), (x2, y2) = points

        x_min = min(x1, x2)
        y_min = min(y1, y2)
        x_max = max(x1, x2)
        y_max = max(y1, y2)

        x_center = ((x_min + x_max) / 2) / image_width
        y_center = ((y_min + y_max) / 2) / image_height
        width = (x_max - x_min) / image_width
        height = (y_max - y_min) / image_height

        class_id = class_map[label]
        yolo_lines.append(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}")

    txt_name = os.path.splitext(file_name)[0] + ".txt"
    txt_path = os.path.join(output_dir, txt_name)

    with open(txt_path, "w", encoding="utf-8") as f:
        f.write("\n".join(yolo_lines))

print("转换完成！")

注意：如果使用labelimg则无需转换格式

import subprocess

def main():
    cmd = [
        "python",
        "train.py",
        "--img","640",
        "--batch","8",
        "--epochs","50",
        "--data","mask_detection.yaml",
        "--weights","yolov5s.pt",
        "--device","0",
        "--workers","0"
    ]

    subprocess.run(cmd)

if __name__ == '__main__':
    main()

img：表示图片的尺寸，尺寸越大分辨率越清晰，识别越精准

batch：批次数，分GPU/CPU两种类型

epochs：训练轮数，训练轮数越多，数据效果越好data：数据集配置文件，对应data中的yaml文件

weights：权重文件，就是使用的模型训练文件，在追训是需要改为自己的模型

device：选择训练时使用GPU还是CPU，如果是CPU则后面数值为"cpu"，如果是GPU则后面数值为"0"

import torch

# 加载模型
model = torch.hub.load('./', 'custom',path='runs/train/exp3/weights/best.pt',source='local')

# 推理
results = model('data/images/mask1.png')

# 显示结果
results.show()

# 保存结果
results.save()

path: E:/python/env_yolov5/mask_detection/dataset # dataset root dir
train: E:/python/env_yolov5/mask_detection/dataset/images/train # train images (relative to 'path') 128 images
val: E:/python/env_yolov5/mask_detection/dataset/images/val # val images (relative to 'path') 128 images
test: E:/python/env_yolov5/mask_detection/dataset/images/test # test images (optional)

# Classes
names:
  0: mask
  1: no_mask

模型训练整体流程

详细教程教你使用YOLOv5进行目标检测训练，包含conda环境配置、YOLOv5安装、labelme标注工具使用、数据集格式转换及模型训练全过程。提供完整的代码实现步骤和参数说明，帮助快速搭建目标检测系统。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

模型训练整体流程

模型训练整体流程

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐