YOLOv5 自定义训练
[!TIP]
参考官方文档进行训练即可，训练其实是在YOLOv5预训练模型上再次训练权重
一、前置讲解
1.1模型（Model）是什么？
- 模型是一个结构 + 参数的组合
在深度学习里：
- 结构（Architecture）：网络的层数、每层的类型、连接方式（比如 YOLOv5 的卷积层、CSP 模块、检测头等）
- 参数（Parameters）：网络中每个卷积核、偏置、BN 参数等的数值
可以类比成：
模型结构 = 机器的设计图
参数 = 机器零件的具体尺寸和重量
1.2权重（Weights）是什么？
- 权重就是模型参数的数值
YOLOv5 的
.pt文件（best.pt、last.pt）就是权重文件，里面存储了：- 每一层的卷积核权重（weights）
- 偏置（bias）
- BatchNorm 的均值和方差
- 优化器状态（
last.pt里有，用于继续训练）
⚠️ 权重文件不包含完整的网络结构，只是数值。要用这些权重，你必须有对应的模型结构代码（YOLOv5 的 .yaml 或 model.py）。
1.3模型和权重的关系
可以用一个现实例子来理解：
| 类比 | 深度学习 |
|---|---|
| 机器人设计图 | 模型结构（YOLOv5s、YOLOv5m 等） |
| 机器人的零件尺寸和重量 | 权重（best.pt、last.pt） |
| 机器人整机 | 模型（结构 + 权重） |
所以：
- 模型结构 决定了网络能做什么（能力框架）
- 权重 决定了它具体的表现（训练后的知识）
- 模型文件（结构+权重） 才能直接用来推理
1.4执行检测测试时，YOLOv5 的代码会做几件事：
加载模型结构
- YOLOv5 的结构（网络层、连接方式）已经写在
models/yolov5s.yaml、models/yolov5m.yaml等文件里 - detect.py 会根据你训练时的配置，先在内存里创建一个“空的” YOLOv5 网络框架
- YOLOv5 的结构（网络层、连接方式）已经写在
加载权重
- 再把
best.pt或last.pt文件里的数值（卷积核权重、偏置等）填充到这个空网络里
- 再把
组合成完整模型
- 结构 + 权重 = 可用的模型
- 这个组合过程是在内存中完成的，所以你看不到一个新的“模型文件”生成
执行推理
- 用这个组合好的模型对输入图片进行前向计算，得到检测结果
二、环境准备
2.1数据集
2.1.1下载数据集
我这里是使用别人分享标注好的数据集，下载即可使用
行人、人类YOLO数据集（1000张已标注分类） - 幽络源免费数据集
2.1.2自定义数据集
- 标注数据集就像给小孩看图识字，你画框并写上类别名是“告诉他这个叫啥”，看多了，他就能自己认出来
- 可以看上面的文档链接，知晓标注数据集的意思，就是手动圈出大量想识别的东西，告诉模型 “这里是什么东西”，让它在训练时学会识别这些目标的特征。
生成标签文件
工具会把每张图片的标注信息保存成一个
.txt文件（YOLO 格式），内容类似：0 0.512 0.488 0.276 0.644解释：
class_id x_center y_center width heightclass_id：类别编号（从 0 开始）x_center、y_center、width、height：目标框的中心点和宽高，归一化到 0~1
- 通过不断调整网络参数，模型就能学会提取目标的共同特征（比如形状、颜色、纹理等），得到可泛化的识别能力，训练好的模型就能在新图片中自动找到并识别相同类别的目标。
(1) 数据集目录结构
YOLOv5 默认的数据集目录结构如下（以 dataset 为例）：
dataset/
├── images/
│ ├── train/ # 训练集图片
│ └── val/ # 验证集图片
├── labels/
│ ├── train/ # 训练集标签（txt）
│ └── val/ # 验证集标签（txt）
└── data.yaml # 数据集配置文件注意：
images/train和labels/train的文件名必须一一对应，例如：images/train/0001.jpg labels/train/0001.txt标签文件是 YOLO 格式：
class_id x_center y_center width height坐标是
相对值
（归一化到 0~1）。
(2) 标注工具
常用的标注工具有：
LabelImg（简单易用）
Labelme（可标注分割）
Roboflow（在线标注+格式转换）
CVAT（团队协作）
标注完成后，导出为 YOLO 格式 标签。
(3) 编写 data.yaml
data.yaml 是 YOLOv5 训练时读取的数据集配置文件，示例如下：
# 数据集路径（绝对路径或相对路径）
train: E:/datasets/images/train
val: E:/datasets/images/val
# 类别数量
nc: 1
# 类别名称（建议写真实名称，方便可视化）
names: ['person']说明：
train/val：分别指向训练集和验证集图片文件夹nc：类别数量（单类别就是 1，多类别则是总数）names：类别名称列表，索引从 0 开始，必须和标注文件的class_id对应
例如：nc: 3 names: ['person', 'car', 'dog']
(4) 检查数据集是否正确
YOLOv5 提供了一个数据检查工具，你可以在终端运行：
python train.py --img 640 --batch 8 --epochs 1 --data data.yaml --weights yolov5s.pt --device cpu它会在训练前自动检查：
- 图片和标签数量是否匹配
- 标签格式是否正确
- 类别索引是否超出范围
2.2配置环境
（上面的文档链接，要求python版本要3.8及以上）
python --version
pip install torch torchvision torchaudio
（将前面下载的数据集解压到目录改名为yolo_train，也可以是其他名字）
cd E:\workSpaces\code\python\yolo_train
git clone https://github.com/ultralytics/yolov5.git
cd yolov5
pip install -r requirements.txt
三、开始训练
3.1源码目录结构
- 我们可以看一下工程结构，除了
yolov5，其他都是数据集解压的文件，我们主要看data.yaml文件的内容，可以看到数据集作者写的是相对路径上级，为了不必要的修改，所以YOLOv5的源码要和数据集同级目录
- 我们可以看下
yolo源码文件，其中bus.jpg是我找的一张带有人的图片，detect.py是训练完成后的运行检测脚本，export.py是训练完成后的模型导出其他格式的脚本，train.py是训练脚本 model是模型结构文件runs目录是运行检测和运行训练后的权重结果保存文件夹
3.2训练
- 很多嵌入式部署环境不支持
SiLU，所以需要用ReLU版本来保证算子兼容性，否则在转换 ONNX → RKNN 时会报算子不支持的错误。所以需要改变model/common.py激活函数替换
- 使用下面的命令
python train.py --img 640 --batch 8 --epochs 50 --data E:/workSpaces/code/python/yolo_train/data.yaml --weights yolov5s.pt --device cpu
--img 640 # 输入图片的宽高尺寸,通常用640
--batch 8 #批量大小，一次训练迭代中同时送入网络的图片数量，越大训练越快，但显存占用也越高
--epochs 50 #训练轮数，训练次数越多，模型越可能收敛，但也会更耗时，模型选一个数据最好的命名best
--data E:/workSpaces/code/python/yolo_train/data.yaml #数据集配置文件，前面解压的
--weights yolov5s.pt #预训练权重文件，我们是二次训练，如果要从零开始训练，可以写 --weights ''
--device cpu #指定训练用的设备，如果有GPU，可以是--device 0
- 如图，
AMD R7 8845 CPU训练时间大概2.2小时，在runs目录下生成了两个权重last.pt和best.pt，分别最后一次保存的模型权重和验证集性能最好的模型权重
四、测试自定义模型
python detect.py --weights runs/train/exp/weights/best.pt --img 640 --conf 0.25 --source bus.jpg
--conf 0.25 置信度阈值设为 0.25：只有置信度 ≥ 0.25 的预测框才会保留，其他的直接丢弃
五、转换模型
- 官方的
export.py不直接支持 RKNN，它支持的格式主要是下图
- 想转换为rknn，需要先转出onnx，然后使用RKNN-Toolkit2 来转换
python export.py --weights runs/train/exp/weights/best.pt --include onnx --img 640 --batch 1
转换RKNN，待完成
rknn-toolkit2/rknn-toolkit2/examples/onnx/yolov5
评论