yolov5目标检测

! 训练的时候要注意，如果开启了同步盘，要关闭，不然可能因为网盘正在读取而无法保存.

包含数据集的信息与配置，包括自定义数据集的标注和图像，训练、验证和测试数据集的配置文件等
├── data/ # 数据集目录
│ ├── custom.yaml # 自定义数据集配置
│ ├── images/ # 存放待训练图片
│ ├── labels/ # 存放标签
│ ├── test.yaml # 测试集配置
│ ├── train.yaml # 训练集配置
│ └── val.yaml # 验证集配置

包含YOLOv5算法模型的定义代码和模型参数配置文件，以便于进行不同版本模型的切换
├── models/ # 模型文件目录
│ ├── common.py # 通用模型架构
│ ├── ensemble.py # 模型集成模块
│ ├── yolo.py # YOLOv5模型定义
│ ├── yolov5l.yaml # Dataset和Model架构（采用L版本）
│ ├── yolov5m.yaml # Dataset和Model架构（采用M版本）
│ └── yolov5s.yaml # Dataset和Model架构（采用S版本）

包含许多工具类Python文件，在训练和使用YOLOv5算法时都会用到，例如处理图像，加载数据集，计算网络部分等
├── utils/ # 公共功能函数目录
│ ├── autoanchor.py # AutoAnchor工具包
│ ├── datasets.py # 数据集定义
│ ├── download.py # 下载预训练权重
│ ├── general.py # 通用Python函数
│ ├── google_utils.py # 谷歌云盘帮助函数
│ ├── layers.py # YOLO层和工具功能
│ ├── metrics.py # 性能评估指标
│ ├── plot.py # 可视化函数
│ ├── torch_utils.py # PyTorch相关工具
│ └── wandb_logging.py # WandB日志记录器

├── .gitignore # Git版本控制文件
├── detect.py # 检测单张图片
├── export.py # 导出ONNX、TorchScript或TensorRT模型
├── hubconf.py # Torch Hub API支持
├── LICENSE # 版权声明
├── README.md # 说明文档
├── test.py # 测试单一数据集性能
├── train.py # 训练YOLOv5
└── val.py # 验证单一数据集性能

训练修改

如果git报错功能，将
GIT_INFO = check_git_info()
改成
GIT_INFO = None这样关闭它

文件里的 parse_opt 函数里面是配置文件
weights──设置原来的权重文件路径例如yolov5s.pt
cfg ── yolov5,yaml 模型设置，这个yaml文件内也是要是需要修改的，可以复制原有的然后指定路径
data ── teon.yaml 数据设置 这个yaml文件内也是要是需要修改的，可以复制原有的然后指定路径
epochs 批次大小
batch-size 单次传送大小
imgsz 长方形图片写短边，且要是32的倍数 ，如果不是可以适当缩小，输入一个数值代表正方形

训练完后，会在运行目录生成一个runs文件夹，里面是生成的内容报告和新的模型