1、源码下载：

        大家可以直接在浏览器搜索yolov5即可找到官方链接，跳转进github进行下载：

        这里对yolov5模型补充说明一下，它是存在较多版本的，具体信息可在master->tags中查看，大家根据需要下载。这些不同版本一个显著差别是使用的库不同，这会影响到模型部署的难度。此外，不同模型在功能上也存在一定区别。

2、自制数据集的准备

        由于数据集是自制的，需要手动制作标签，这里我是使用labelimg进行制作。labeling的安装及使用可参考文章：Yolov模型的使用及数据集准备（1）LabelImg的下载和使用_labelimg下载yolo-CSDN博客

        在数据的制作上，yolov官方好像是有一个推荐标准的，大家可自行查看。        

        准备好的训练数据及标签如图所示：

        需要说明的是，使用yolov5进行模型训练，在数据集准备上不需要将各个类别的图片分开放，可以将所有类别的图片放在一个文件夹中。因为在使用labelimg进行标签制作时，会自动生成和图片名一样的txt标签文件。只需要分开放训练集和验证集即可。

3、官方项目结构介绍

大体需要用到的文件如上图所示。

4、关于预训练模型

yolov官方是提供了多个预训练模型（也即初始权重文件）。每个模型具体的大小，推理速度，参数量等官方都有详细的说明，大家可以根据需要自行下载。

一般来说，越大的初始模型，推理速度越慢，对自己的电脑性能要求也越高，当然准确度也越高。

5、关于配置文件.yaml文件

配置文件的名称，大家可以自定义。注意其中各种分好，空格之类的小细节。

6、模型训练

将上述工作全部准备好后，就可以开始训练了。yolov5官方提供了训练文件train.py，我们可以在终端或者命令行窗口运行该文件来训练自己的模型。

训练指令是：

python train.py --batch-size 4 --epochs 200 --data .\ab.yaml --weights .\yolov5s.pt

具体的操作步骤：

对了，进入项目文件的话我这里是使用虚拟环境的命令行工具（anaconda prompt），而非windows自带的。

 

注意：上图中模型权重文件的路径是 .\weights\yolov5s.pt（按你自己放的位置修改）

上述指令执行后，如果出现下图所示情况，就说明在正常训练模型啦！！！

训练结束后的结果：

7、运用模型

对于上述步骤训练得到的模型，我们可以在run\train\exp8\weights文件夹下找到

python .\detect.py --source .\data\images --weights .\your_model.pt

8、简单的小测试：

下面的这个模型，是做的一个小测试，对手势（石头剪刀布）的识别，总体来看，效果还是蛮好的。