提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录
前言
刚开始用yolo是用k210入门的，在那里学会了制作数据集以及进行训练，第一次了解到了目标检测，机器视觉，主要是因为电赛要用。
后来，入手了树莓派，我要做一个有关于深度学习的项目，于是用树莓派进行yolov5s的部署，但是推理速度实在是感人，然后就了解到了yolov5lite，实测可以在树莓派上面跑到8帧左右，我的是树莓派4B 4G版本。如图所示：
本章主要讲解yolov5在本地的部署，我们只有在本地部署了之后，用本地的cpu或者显卡（强烈推荐）训练好模型后，才能在树莓派上应用。
笔者电脑配置:
显卡：RTX3060
内存:16G
一、环境配置
我们想要本地训练yolov5就一定要配置好环境，我也是配置了两天给自己配麻了，后来才发现了b站的几个宝藏视频，我选两个给大家参考，大家跟着配置就好了，比看文章清晰的多，可以避免很多版本不兼容的问题。
笔者建议大家安装python3.8，确实稳定，下载yolov5时下载yolov5-6.0版本，跟着视频配置就好了。这个链接是yolo的版本
Releases · ultralytics/yolov5 · GitHub
不用一直去网上找，只看这两个视频绝对够，我的yolo运行用的是pycharm。
二、yolov5的训练
1.制作数据集
数据集讲究一个格式
data----
train(训练集)
-------images（图片）
-------labels（标签 txt格式）
valid（验证集）（）
-------images（图片）
-------labels（标签 txt格式）
一般验证集与训练集比例0.8左右差不多。
data是大文件夹，剩下的两个是小文件夹，这样肯定通俗易懂了。别再傻傻做不好数据集了，标签的制作网上教程有很多。
2.本地部署yolov5训练
1.部署
我们下载好yolov5-2.0版本后，用pycharm打开detect.py文件
打开之后基本如图所示。我们直接运行此文件就可以了，让我惊讶的是这个2.0版本没有给我报一点错误，强烈推荐大家用2.0。可以看到图片中我们训练好的已经保存到output了，到这里基本就完成了yolov5的部署。
2.训练
主要就是图中两个文件的更改。
yaml文件可以参考data下的voc.yaml来进行更改。把train和val改成自己的就可以了。还有nv以及name，对应标签数量以及类别名称。
配置好后就可以进行训练啦，没有报错不可能的，直接百度，很多问题都可以解决。
总结
配置环境是一大难题，配置好了环境之后就是新世界。
按照作者给的视频，认真看，绝对没问题！
标签：-------,Yolov5,yolov5,训练,部署,配置,树莓,2024 From： https://blog.csdn.net/Halcyon0804/article/details/140621884