如何使用yolov5训练模型（新手必看）

最新推荐文章于 2025-07-31 11:55:18 发布

原创最新推荐文章于 2025-07-31 11:55:18 发布 · 3.1k 阅读

38 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #深度学习 #人工智能

本文指导如何使用yolov5进行Python模型训练，包括资源下载、图片标注、数据预处理（split.py和xml_to_txt.py脚本）、模型训练和检测的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

我们在日常python的学习中，总是要进入到训练模型这一环，但是如何使用yolov5训练模型呢，接下来我将带你使用yolov5训练模型。

1.在准备前期，我们需要把yolov5需要的一些资源下载好，下载的步骤我就不演示了

2.接下来我们把需要训练的图片资源准备好，我们需要找到这个文件

然后继续双击，在这个文件目录下创建一个image文件

然后把需要训练的文件粘贴进去

3.接下来打开终端，输入命令pip install labelImg

目前我们可以看到我们的labelImg已经下载好了

然后我们继续输入labelImg

4.接下来我们会跳转到这个页面

我们首先需要打开图片的地址，首先打开open dir ,然后打开刚才的图片，然后使用w键对他进行标注，完了之后可以打开open dir这个底下的，对他进行保存位置的选择

这就是我们标注之后的图片了

5.在yolov5工程目录下新建两个.py程序，split.py ， xml_to_txt.py ，处理我们标注的数据，我们需要创建

import os
import random
import argparse
parser = argparse.ArgumentParser()
parser.add_argument('--xml_path', default='data/dataset', type=str, help='input xml label path')
parser.add_argument('--txt_path', default='data/labels', type=str, help='output txt label path')
opt = parser.parse_args()
trainval_percent = 1.0
train_percent = 0.8
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)
num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)
file_trainval = open(txtsavepath + '/trainval.txt', 'w')
file_test = open(txtsavepath + '/test.txt', 'w')
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')
for i in list_index:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        file_trainval.write(name)
        if i in train:
            file_train.write(name)
        else:
            file_val.write(name)
    else:
        file_test.write(name)
file_trainval.close()
file_train.close()
file_val.close()
file_test.close()

这是代码

在xml_to_txt.py 文件下我们需要修改东西