第二章：yolov5训练自己的数据集（实时动态检测王者荣耀系列）

1，介绍最终成型效果图

在上一篇我已经教给大家如何用Vscode搭建环境，让yolov5项目能正常运行起来，并且用项目本身达到训练以及测试检测图片的效果，相信大家已经迫不及待的想训练自己的数据集了吧，这里我也在csdn看了很多文章都不是很全对于零基础的同学来说还是很难掌握，甚至有的同学已经没了心态，准备放弃这个被大家称为“真香”的yolov5开源项目了，这里我希望大家稳住心态，跟着我的脚步动起来，一定能成功，现在我们开始实操吧！

YOLOV5github最新地址：点击我下载

现在我们先做好准备工作提高效率

1，我们在这里创建一个your_Own_data_Set文件夹，里面存放自己的一些数据，

接下来继续在里面创建images（存放需要训练的原图片.jpg格式），labels（存放标注结果的.txt文件）文件夹
（备注：这里我用的标注工具是makesense.ai，所以省去了xml转txt文件的步骤，怎么样方便吧，是不是特别为你们考虑，主要看其他关于训练自己数据集都是用一些转换格式代码去实现，本博主也是亲身为你们踩了踩坑，哎不提了，基本所有文章都看完了，好难成功，实现起来太复杂）

2，为自己的数据集图片进行标注处理操作，需要用到makesense.ai标注工具
makesense官方连接 点我进入

标注说明：打开makesense.ai官网，进入网页标注，导入自己的图片，进行标注，后保存为ZIP软件包，其中包含VOC XML格式的文件，并将导出后的txt文件解压到your_Own_data_Set\labels中去

3，我们将对yolov5项目文件中yolov5-master\data下.yaml文件，yolov5-master\models下yolov5s.yaml，yolov5-master\train.py,相关文件进行改动

yolov5-master\data下.yaml文件说明：这里我们首先复制一份coco128.yaml文件，并对新复制的copy文件进行了改动，原文件中有80个类别，我们不需要那么多，所以根据自己标注工具时，使用的类别数量与类别名称为准，
补充：train: …/your_Own_data_Set/images/
val: …/your_Own_data_Set/images/ 代码中，这两个是我们之前创建好的文件夹路径，用于后续的读取

呼~~~抽支烟，再继续写…有点累了…

yolov5s.yaml说明：用那个权重文件就修改那个文件中的nc值即可，nc是我们标注类别的数量

train.py说明
parser.add_argument(’–weights’, type=str, default=‘yolov5s.pt’, help=‘initial weights path’)：填写你想使用的权重文件yolov5s.pt：最小速度最快
parser.add_argument(’–cfg’, type=str, default=‘models/yolov5s.yaml’, help=‘model.yaml path’)
填写我们修改的权重文件：yolov5s.pt，配置文件
parser.add_argument(’–data’, type=str, default=‘data/coco128 copy.yaml’, help=‘data.yaml path’)：填写我们修改之后的.yaml文件

4，全部配置好后，直接执行train.py文件开始训练，这时候就到了考验显卡的时候，可以耐心的等上一两个小时，可以吃个瓜，看个小电影啥的，千万别手痒玩什么3A大作，否则电脑爆炸还得重新训练。
当程序运行界面出现如下所示并后续不报错的情况下，说明开始训练。

**5，在训练中，可以随时查看每一轮次训练的结果，可利用tensorboard可视化训练过程，，首先我们通conda控制台进入YOLOv5所在的项目文件夹，首先激活conda环境，输入如下命令行：

conda activate my_py_env

接着输入如下命令：
可视化：进入环境

可视化：进入环境 tensorboard --logdir runs

如图我们输入代码后会获取一个IP地址我们将地址：http://localhost:6006/#scalars复制粘贴到浏览器中就可以看到图表了

兄弟们，最基本YOLOV5训练自己的数据集到这里就告一段落了，在下一章我将通过修改内置代码实现王者荣耀实时动态检测，本期有任何问题都可以留言到评论去，我每天都会在，看到就会秒回你们的问题，关注我不迷路哦，拜拜我是你们的好朋友yibao~~~~