第零章：买好地皮——利用conda搭建yolov5虚拟环境

1. 创建虚拟环境 进入conda的prompt界面，输入一下命令

conda create -n yolov5 python=3.9

2. 安装pytorch库 进入pytorch官网选择合适的pytorch版本复制下载命令，优先选conda命令，次选pip命令。

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

电脑的cuda版本可以在终端中输入

nvidia-smi

查看

克隆yolov5代码

git clone https://github.com/ultralytics/yolov5

深度学习中训练时经常碰到的train、val、test有啥区别？

train和val都是为了训练模型参数，test是在参数完全确定后做测试，是衡量你的模型性能。

train是训练集，val是训练过程中的测试集，是为了让你在边训练边看到训练的结果，及时判断学习状态。test就是训练模型结束后，用于评价模型结果的测试集。只有train就可以训练，val不是必须的，比例也可以设置很小。test对于model训练也不是必须的，但是一般都要预留一些用来检测，通常推荐比例是8:1:1

val都是在训练的时候起作用。而因为val的数据集和train没有交集，所以这部分数据对最终训练出的模型没有贡献。val的主要作用是来验证是否过拟合、以及用来调节训练参数等。

什么是预训练模型？

对于希望学习算法或尝试现有框架的人来说，预训练的模型是一个很好的帮助。由于时间限制或计算资源的限制，不可能总是从头构建模型，这就是为什么存在预训练模型！

预训练模型是指在大规模数据集上预先进行训练的神经网络模型，通常在通用任务上学习到的特征可以被迁移到其他特定任务中。预训练模型的思想是利用大规模数据的信息来初始化模型参数，然后通过微调或迁移学习，将模型适应在特定的目标任务上。

3. 在prompt界面中安装

pip install -r requirements.txt

4. 用YOLOv5预测

运行detect.py文件，他会自动下载yolo5s.pt模型用于加载预训练模型进行目标检测的任务，可以在yolov5/runs/detect/exp中看见预测后的图片，说明环境部署成功了！

利用现有COCO128数据集训练yolo模型

直接输入

python train.py --img 640 --batch 16 --epochs 5 --data ./data/coco128.yaml --cfg ./models/yolov5s.yaml --weights ./yolov5s.pt

如果报错可能是

COCO数据集会自动下载，下载地址位于与/yolov5的同级目录/dataset下

测试

python detect.py --source ./inference/images/ --weights ./runs/train/exp3/weights/best.pt