常规的模型训练方法不仅需要电脑较高的配置，同时还需要配置乱七八糟的环境，十分麻烦。让不少Yolo的初学者很是头疼。

我推荐给大家一种极其简单的方法，无脑跟着流程就可训练出可用的模型。

1.下载官方代码

https://github.com/ultralytics/yolov5/tree/v5.0  #官方仓库

2.制作数据集

        数据集的制作包含训练集与验证集。根据个人经验，使用yolov5s模型进行预训练时，训练集的数量达到200张才勉强可用，建议训练集与验证集的比例为7:3。

        数据集的获取方法：可以一张一张拍照片，也可以视频分帧。

        图像标注：labelimg、Roboflow。具体使用方法可查看其他文章。

# xxx.yaml    训练集放置路径

path: /mnt/yolov5-master/data/reicom

train: /mnt/yolov5-master/data/reicom/images/train

# 验证集图片路径

val: /mnt/yolov5-master/data/reicom/images/val

# 类别数量

nc: 7

# 类别名称

names: ['motor','rotor','ic','camera','len','sensor','ar']

3.模型训练

        模型训练推荐租用GPU云服务器进行训练。

                优点：1.无需下载Pytorch等组件占用本地内存空间

                           2.可租用高性能服务器，加快训练。

        我推荐使用矩池云平台进行训练。网站链接：矩池AI云 - 主机市场

1.下载矩池云网盘，登陆账号、将yolov5-master代码上传至网盘

2.选择服务器，推荐使用RTX A2000。（服务器地区需与云盘地址相同)

3.选择系统镜像，下单后进行SSH连接。

4.环境配置

        1.远程连接后  cd /mnt 进入网盘空间

        # 1.安装最新版ultralytics
                pip install --upgrade ultralytics
        # 2.卸载当前PyTorch
                pip uninstall torch torchvision
        # 3.安装Pytorch
                pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 -f                 https://download.pytorch.org/whl/cu116/torch_stable.html

        # 4.安装gitpyhon
                pip install gitpython

5.运行训练指令

        python train.py \
  --data data/reicom/reicom.yaml \   # 上方yaml文件路径
  --weights yolov5s.pt \ # 预训练模型
  --epochs 250 \ # 训练轮数
  --batch-size 8 \
  --patience 30 \
  --workers 4

4.模型测试

        可部署在实际工作空间下进行测试，也可在网盘中测试。

        测试指令：python3 detect.py --weight runs/train/exp/weights/best.pt --source 验证集路径