YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)

[bai666ai]

课程名称	适应人群
YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)	希望学习YOLOv5目标检测的学员

YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能，更加灵活和易用，当前非常流行。 

本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 

 

本课程的YOLOv5使用ultralytics/yolov5，在Windows和Ubuntu系统上分别做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 

除本课程《YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)》外，本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：

《YOLOv5(PyTorch)目标检测：原理与源码解析》课程链接：https://edu.csdn.net/course/detail/31428

《YOLOv5目标检测实战：Flask Web部署》课程链接：https://edu.csdn.net/course/detail/31087

《YOLOv5(PyTorch)目标检测实战：TensorRT加速部署》课程链接：https://edu.csdn.net/course/detail/32303

《YOLOv5目标检测实战：Jetson Nano部署》课程链接：https://edu.csdn.net/course/detail/32451

《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接：https://edu.csdn.net/course/detail/32669

《YOLOv5实战口罩佩戴检测》课程链接：https://edu.csdn.net/course/detail/32744

《YOLOv5实战中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/35209

 

《YOLOv5实战垃圾分类目标检测》课程链接：https://edu.csdn.net/course/detail/35284

 

 

[己思不格]

请问 这是怎么回事UnicodeDecodeError: 'gbk' codec can't decode byte 0xbf in position 2: illegal multibyte sequence

[bai666ai]

@己思不格 <p>网上搜下这个错误，可参考<a href="https://blog.csdn.net/sinat_26811377/article/details/107629934">(1017条消息) Python报错 UnicodeDecodeError: ‘gbk‘ codec can‘t decode bytein position 2: illegal multibyte sequence_是杰夫呀的博客-CSDN博客</a></p>

[己思不格]

请问老师：输入训练命令出现UnicodeDecodeError: 'gbk' codec can't decode byte 0xbf in position 2: illegal multibyte sequence

[bai666ai]

@weixin_54874330 <p>检查一下图片放置的目录</p>

[weixin_54874330]

老师，在安装测试图片时，报错： image 1/2 D:\yolov5-car\data\images\bus.jpg: Traceback (most recent call last): File "detect.py", line 178, in detect() File "detect.py", line 72, in detect pred = model(img, augment=opt.augment)[0] File "D:\anaconda\lib\site-packages\torch\nn\modules\module.py", line 1130, in _call_impl return forward_call(*input, **kwargs) File "D:\yolov5-car\models\yolo.py", line 123, in forward return self.forward_once(x, profile) # single-scale inference, train File "D:\yolov5-car\models\yolo.py", line 139, in forward_once x = m(x) # run File "D:\anaconda\lib\site-packages\torch\nn\modules\module.py", line 1130, in _call_impl return forward_call(*input, **kwargs) File "D:\anaconda\lib\site-packages\torch\nn\modules\upsampling.py", line 154, in forward recompute_scale_factor=self.recompute_scale_factor) File "D:\anaconda\lib\site-packages\torch\nn\modules\module.py", line 1207, in __getattr__ raise AttributeError("'{}' object has no attribute '{}'"

[bai666ai]

@weixin_54874330 <p>把pandas模块再安装下试试</p>

[weixin_54874330]

老师，在最后一步安装测试图片时，报错： Traceback (most recent call last): File "detect.py", line 10, in from models.experimental import attempt_load File "D:\yolov5-car\models\experimental.py", line 7, in from models.common import Conv, DWConv File "D:\yolov5-car\models\common.py", line 8, in import pandas as pd ModuleNotFoundError: No module named 'pandas' 怎么解决呀

[bai666ai]

@tian~tian <p>可以下载yolov5 6.1 版本或5.1试试。你下载的可能是6.2</p>

[tian~tian]

老师我下载的volo5文件里的代码和你的不一样，他没有wb这个py文件，urils文件里也没有wb这个文件

[bai666ai]

@tian~tian <p>如果不使用wandb, 先执行命令 wandb disabled</p>

[tian~tian]

老师我没有登陆wandb，这样会训练成功吗？ wandb: W&B disabled due to login timeout. val: Scanning 'I:\volo识别\yolov5_ball\VOCdevkit\labels\val' images and labels...280 found, 0 missing, 0 empty, 0 corru val: New cache created: I:\volo\yolov5_ball\VOCdevkit\labels\val.cache wandb: (1) Create a W&B account wandb: (2) Use an existing W&B account wandb: (3) Don't visualize my results wandb: Enter your choice: (30 second timeout) wandb: W&B disabled due to login timeout. wandb: (1) Create a W&B account wandb: (2) Use an existing W&B account wandb: (3) Don't visualize my results wandb: Enter your choice: (30 second timeout) wandb: W&B disabled due to login timeout. wandb: (1) Create a W&B account wandb: (2) Use an existing W&B account wandb: (3) Don't visualize my results wandb: Enter your choice: (30 second timeout)

[tian~tian]

老师如果我想显示摄像头画面进行实时检测，该怎么做？

[tian~tian]

老师如果我想显示摄像头画面进行实时检测，该怎么做？

[tian~tian]

老师如果我想显示摄像头画面进行实时检测，该怎么做？

[tian~tian]

老师如果我想显示摄像头画面进行实时检测，该怎么做？

[bai666ai]

@tian~tian detect命令中使用--source 0 试一下

[tian~tian]

老师如果我想显示摄像头画面进行实时检测，该怎么做？

[bai666ai]

@tian~tian detect命令中使用--source 0 试一下

[tian~tian]

老师如果我想显示摄像头画面进行实时检测，该怎么做？

[bai666ai]

@tian~tian detect命令中使用--source 0 试一下

[tian~tian]

老师如果我想显示摄像头画面进行实时检测，该怎么做？

[bai666ai]

@tian~tian 可能是wandb没有正确启动。可以关掉wandb, 执行命令wandb disabled

[tian~tian]

File "I:\volo识别\yolov5_ball\utils\loggers\wandb\wandb_utils.py", line 505, in val_one_image if self.current_epoch % self.bbox_interval == 0: AttributeError: 'WandbLogger' object has no attribute 'bbox_interval' 老师您看一下这个报错是为啥

[bai666ai]

@tian~tian 这个错误信息 "AutoAnchor: 6.26 anchors/target, 1.000 Best Possible Recall (BPR). Current anchors are a good fit to the dataset" 是YOLOv5模型中的一个警告信息，它表明当前的anchors（锚框）与你的数据集匹配较好，但预测召回率（Recall）可能会受到影响。 YOLOv5模型中的AutoAnchor算法用于自动调整锚框的尺寸，以更好地适应训练数据集中的目标。这个警告信息表明，当前的锚框与数据集的目标匹配得相对较好，但模型的预测召回率可能不会达到最佳水平。 该警告信息并不是一个错误，而是一个提醒。如果你在训练过程中遇到这个警告信息，你可以考虑以下几个方面： 1. 数据集的目标分布：检查你的数据集中目标的尺寸和长宽比例等特征是否与模型的默认锚框设置相匹配。如果数据集中的目标与默认锚框不匹配，可以尝试调整锚框的尺寸或长宽比例。 2. 锚框的数量：如果你的数据集中的目标具有多样性和不同的尺寸范围，可能需要增加锚框的数量，以更好地覆盖目标的变化。 3. 模型的训练参数：你可以尝试调整YOLOv5模型的其他训练参数，例如学习率、批次大小等，以进一步改善模型的性能。 需要注意的是，这个警告信息并不意味着你不能进行训练，只是提醒你当前的锚框设置可能对召回率有一定影响。你可以根据实际情况继续训练模型并进行性能评估，根据实验结果进行进一步的调整和优化。

[tian~tian]

老师，我这里不能训练报这个错 AutoAnchor: 6.26 anchors/target, 1.000 Best Possible Recall (BPR). Current anchors are a good fit to dataset Plotting labels to runs\train\exp8\labels.jpg...

[bai666ai]

@Larry酷睿 如果没有测试集，只有验证集，那么你可以使用验证集的数据来评估和统计模型的性能。虽然测试集的目的是提供对模型在未见过的数据上的泛化能力的评估，但在没有测试集的情况下，验证集可以作为一个替代来对模型进行评估。 在这种情况下，你可以使用验证集数据来计算模型的性能指标，例如准确率、精确率、召回率、F1分数等。你可以报告这些指标作为模型性能的评估结果，并在论文中描述你在验证集上进行的实验和统计。 然而，需要注意的是，由于验证集在模型训练过程中用于模型的调参和选择，所以模型可能在验证集上过拟合，即在验证集上表现较好但在未见过的数据上表现较差。这是因为模型在验证集上进行了调整以最大化性能，而验证集在这个过程中起到了一种"额外的训练数据"的作用。 因此，在论文中，如果只有验证集而没有测试集，你应该明确指出这一点，并且说明模型的性能评估是基于验证集的结果。同时，建议在可能的情况下，尽量采集额外的测试数据来验证模型的泛化能力，并在进一步研究中进行更全面的性能评估。

[Larry酷睿]

老师您好，我看到您在模型性能统计这里用的是验证集做统计而不是用测试集，请问这个统计结果可以用于论文上吗？验证集在YOLOv5训练的过程中会参与训练吗？

[bai666ai]

@是是非非974 data/voc_ball.yaml这个文件检查下是否正确

[是是非非974]

(ws_pytorch) cola@cola-NKx0Sx:~/桌面/yolov5-ball$ python train.py --data data/voc_ball.yaml --cfg models/yolov5s_ball.yaml --weights weights/yolov5s.pt --batch-size 16 --epochs 50 --workers 4
wandb: WARNING ⚠️ wandb is deprecated and will be removed in a future release. See supported integrations at https://github.com/ultralytics/yolov5#integrations.
wandb: Currently logged in as: 1215061546. Use wandb login --relogin to force relogin
train: weights=weights/yolov5s.pt, cfg=models/yolov5s_ball.yaml, data=data/voc_ball.yaml, hyp=data/hyps/hyp.scratch-low.yaml, epochs=50, batch_size=16, imgsz=640, rect=False, resume=False, nosave=False, noval=False, noautoanchor=False, noplots=False, evolve=None, bucket=, cache=None, image_weights=False, device=, multi_scale=False, single_cls=False, optimizer=SGD, sync_bn=False, workers=4, project=runs/train, name=exp, exist_ok=False, quad=False, cos_lr=False, label_smoothing=0.0, patience=100, freeze=[0], save_period=-1, seed=0, local_rank=-1, entity=None, upload_dataset=False, bbox_interval=-1, artifact_alias=latest
github: skipping check (not a git repository), for updates see https://github.com/ultralytics/yolov5
Traceback (most recent call last):
File "train.py", line 642, in
main(opt)
File "train.py", line 506, in main
check_file(opt.data), check_yaml(opt.cfg), check_yaml(opt.hyp), str(opt.weights), str(opt.project) # checks
File "/home/cola/桌面/yolov5-ball/utils/general.py", line 458, in check_file
assert len(files), f'File not found: {file}' # assert file was found
AssertionError: File not found: data/voc_ball.yaml
按着你的步骤一步步来的，还是出错了，这些问题该怎么解决**

[bai666ai]

电脑上视频播放时，屏幕左上可看到“下载课件”的链接。先下载课件，项目流程的课件中有课程网盘链接，可下载其它课程资料。

[徐 TWO TWO]

老师，这个github上的标注工具找不到了，请问您能发一个在群里面吗？

[m0_52383179]

@JH_JYS 同学你解决了吗，我也出现这个问题了

[m0_52383179]

@JH_JYS 同学你解决了吗，我也出现这个问题了

[JH_JYS]

老师，我这里报错，是怎么回事呢Traceback (most recent call last):
File "D:\Anaconda\lib\site-packages\git_init.py", line 89, in
refresh()
File "D:\Anaconda\lib\site-packages\git_init.py", line 76, in refresh
if not Git.refresh(path=path):
File "D:\Anaconda\lib\site-packages\git\cmd.py", line 392, in refresh
raise ImportError(err)
ImportError: Bad git executable.
The git executable must be specified in one of the following ways:
- be included in your $PATH
- be set via $GIT_PYTHON_GIT_EXECUTABLE
- explicitly set via git.refresh()

All git commands will error until this is rectified.

This initial warning can be silenced or aggravated in the future by setting the
$GIT_PYTHON_REFRESH environment variable. Use one of the following values:
- quiet|q|silence|s|none|n|0: for no warning or exception
- warn|w|warning|1: for a printed warning
- error|e|raise|r|2: for a raised exception

Example:
export GIT_PYTHON_REFRESH=quiet

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
File "D:\yolov5-master\train.py", line 72, in
GIT_INFO = check_git_info()
File "D:\Anaconda\lib\contextlib.py", line 79, in inner
return func(*args, **kwds)
File "D:\yolov5-master\utils\general.py", line 370, in check_git_info
import git
File "D:\Anaconda\lib\site-packages\git_init_.py", line 91, in
raise ImportError("Failed to initialize: {0}".format(_exc)) from _exc
ImportError: Failed to initialize: Bad git executable.
The git executable must be specified in one of the following ways:
- be included in your $PATH
- be set via $GIT_PYTHON_GIT_EXECUTABLE
- explicitly set via git.refresh()

All git commands will error until this is rectified.

This initial warning can be silenced or aggravated in the future by setting the
$GIT_PYTHON_REFRESH environment variable. Use one of the following values:
- quiet|q|silence|s|none|n|0: for no warning or exception
- warn|w|warning|1: for a printed warning
- error|e|raise|r|2: for a raised exception

Example:
export GIT_PYTHON_REFRESH=quiet