引言
【上一章】 主要是自己运行yolo项目时搜罗来的笔记。这一篇，主要就是我训练的一下实战啦。先声明一下，本人是无基础小白，写这篇文章除了是笔记之外，更希望得到各位大佬/专业人士的指正。确实也是希望自己不单单只是程序员，也是也是希望可以跟上科技发展，能够实现程序员与ai的一个衔接吧！
另外补充一下cuda，cudnn 安装的选择 CUDA安装及环境配置——最新详细版-CSDN博客 可以看一下这条链接
标记
这里我使用的标记工具是 labelImg , 工具的下载链接如下：
应用步骤可以看一下下面的链接：
LabelImg（目标检测标注工具）的安装与使用教程-CSDN博客
假设你已经拥有了工具，接下来就是标记了。标记前我看一下我们训练数据集的目录结构（简单的）
接下来我们打开 labelImg 工具。
yoloEnv： 是我们环境，运行labelImg工具也是不可以缺包的。python .\labelImg.py: python 运行.py脚本的命令
- 打开标记图片的目录，当然，我们标记的图片也是我们需要训练的图片
- 这里要注意，我们标记的名称要记住，我们是需要在配置文件中配置的。
- 最后我们训练的特征就是根据我们
name给出的特性进行训练的。
训练
基于上面，我们标记完，并且配置完成之后，就可以开始训练了。
看一下训练的命令：
训练成功后会显示下面的效果
预测
根据上面的训练步骤，我们会生成两个预测模型文件，一个是最佳效果时，一个是最近。
接着我们调用预测脚本 detect.py
出现下面的结果就是预测成功了，红色框框可以看到速度上还是相当快的。主要是走的gpu
最后的预测结果是保存在 runs\detect\exp 的位置上。
