我是从b站博主学的，讲得非常好，要是看不明白，可以去看视频博主链接如下：

yolov5环境部署_哔哩哔哩_bilibili

1. 先下载标注工具 labelimg

在终端输入：

pip install  -i https://pypi.tuna.tsinghua.edu.cn/simple  labelimg

下载好后：输入：labelimg

在View 勾选Auto Save mode （自动保存）

第二步：切换成YOLO 

切换好后点击Save (保存) ,别关~！

2.准备数据集（照片）

建议训练的图片大于100张，训练轮数大于100轮

新建一个文件夹名为:datasets 

在datasets 文件里面再新建两个文件夹

第一个是：images文件夹（保存图片路径）

第二个是：labels文件夹（保存标注好的文件夹）

classes.txt是标注生成的类

把我们要标注的图片放进images文件夹

开始标注：回到 labelimg

点击Open Dir 路径选择images文件夹

再点击Change Save Dir （标注好的路径）

路径选择：labels文件夹

然后就可以漫长愉快的标注了~！

标注完成后回到文件夹，在images文件夹生成了classes.txt，把文件classes.txt （ctrl+x）（ctrl

+v）到datasets根目录

如图：

3.分类训练集与测试集

在images文件再新建两个文件夹，这里我已经把图片放进taian文件夹里面了

trian文件夹（存放训练集）

val文件夹（存放测试集）

同理在labels文件夹也新建两个文件夹，注意看一下目录~

我这里也是已经把文件放进了train文件夹里面（具体看B站博主视频）

4.把整个datasets文件夹复制放进yolov5项目根目录 

5.在yolov5 /data/coco128.yaml 复制到主目录

6.配置coco128.yaml文件

在coco128.yaml文件里面
path: 修改为  datasets 的复制路径  （“把“\”修改为“/”） 注意复制前面有个空格
train:  修改为  datasets\images\train 的复制路径  （“把“\”修改为“/”） 注意复制前面有个空格
val:修改为  datasets\images\val 的复制路径  （“把“\”修改为“/”） 注意复制前面有个空格

最好使用绝对路径

打开classes.txt文件配置names

类别填写标注时的标注种类个数

我这里只有一种标注种类(dm)，所以我只填写了一种

7. 找到yolov5/models/yolov5s.yaml 复制到主目录

在yolov5s.yaml文件里面把nc:修改成标注种类个数,

我这里只有一种，所以我修改成了：1

8.配置train.py 文件

打开train.py 文件,来到parse_opt（）类

修改成：

parser.add_argument("--cfg", type=str, default=ROOT / "./yolov5s.yaml", help="model.yaml path")
parser.add_argument("--data", type=str, default=ROOT / "./coco128.yaml", help="dataset.yaml path")

9.开始训练

在PyCharm终端输入：

python  train.py  --epochs 60  --weights yolov5s.pt  --device cpu  --batch -1  --workers 8 --patience 100

--epochs 60 （  训练轮次 ）

--weights yolov5s.pt（--weights yolov5s.pt ）

--device cpu（有cpu就填cpu GPU就填0）

-batch -1 （-1自适应调整）
                             

训练出来的模型在：

Results saved to runs\train\exp4

我与博主的有点出入，但大致都一致~