持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第7天，点击查看活动详情
上一篇文章通过在获取yolov5的源码，并在pycharm中成功运行了起来，中间遇到了许多问题，最终也都一一解决，本篇博客主要是说明利用yolov5的预训练模型如何将自己的数据集进行训练，得到我们想要的结果。
首先，将制作好的口罩数据集存放到指定目录下，口罩数据集的目录如下
对于images文件夹，下面包含了三个文件夹，分别表示训练、测试和评价，如下所示
以train文件夹为例，下面是一些佩戴口罩和没有佩戴口罩的图片，我个人一共是收集了129张图片作为数据集，如下所示
对于labels，下面同样有三个文件夹
里面存放的是标签文件，全部为txt格式，如下所示
每个txt文件的内容包含了标签与标注的信息，0和1分别代表类别
上面都准备完成后，下面需要对yolov5的项目代码修改几个地方。 首先在data文件夹下创建mask.yaml文件，目录结构如下：
文件的内容如下：
train: D:/PythonWorkSpace/MaskDataSet/YOLO_Mask/score/images/train
val: D:/PythonWorkSpace/MaskDataSet/YOLO_Mask/score/images/val
nc: 2
names: ['mask', 'face']
分别表示训练集的目录，验证集的目录 nc表示类别数目,name表示标签 然后找到train.py文件，修改如下几个地方
第一个地方表示使用的预训练权重
第二个地方表示配置文件，里面的nc默认是80，可以不用管，因为在第三个地方指定的文件中我们已经设置为2，需要注意的是第二个地方里面的anchors，可以不修改，也可以修改，具体修改的方法是需要自己用k-means代码跑一个出来，我直接用的默认的。
第三个地方是我们自己的创建的文件，因此只需要按照我的改一下就行
第四个地方和第五个地方需要根据自己的电脑性能进行修改，由于我们的数据集不是太大，因此第四个地方不要设置太大，100就差不多，太大容易过拟合。
第五个地方不要太大，根据自己的显存设置8-16-32都行，只要显存足够大就可以。
更改完上述几个点就可以训练了 训练的过程如下：
由于工作电脑没有显卡，因此默认使用cpu进行训练，速度非常慢。
训练完一轮后，在run文件夹下会有一个train文件夹，里面的exp就是你的训练成果，内容大概如下
其中best.pt是你训练的最好权重文件，last.pt是最近一轮训练得到的权重文件，可以自己在detect里面修改为自己的权重文件测试一下自己训练的数据集。 这是训练过程的图片，0表示佩戴口罩，1表示没有佩戴口罩。
我的数据集也不是很多，100多张图片.
