🔍 适合人群：想学习YOLOv5目标检测的零基础新手
🧰 实验系统：Windows 10 / 11 + Miniconda
📁 项目路径：D:/yolov5_project
📦 数据集：Pascal VOC 2012
✅ 实现目标：成功完成YOLOv5模型训练

---

一、前期准备概览（必看）

在开始配置环境和训练模型前，我们需要准备以下内容：

项目	说明
✅ Miniconda	Python 虚拟环境管理，推荐使用 Python 3.8
✅ YOLOv5 官方代码	使用 Ultralytics 提供的最新版 YOLOv5
✅ VOC2012 数据集	图像识别经典数据集，共20类
✅ 数据格式转换	将VOC格式数据转换为YOLO格式
✅ 配置文件修改	修改YOLOv5中的数据配置文件，指向本地数据集

---

二、安装与环境配置（非常详细）

2.1 安装 Miniconda（Python管理神器）

• 推荐版本：Miniconda3 + Python 3.8
• 下载地址（64位 Windows）：
  👉 https://repo.anaconda.com/miniconda/Miniconda3-py38_4.12.0-Windows-x86_64.exe

安装步骤：

1. 双击安装包，点击 Next
2. 勾选 “Add Miniconda to my PATH environment variable”
3. 安装完成后，打开 命令提示符 CMD，输入以下命令检查是否生效：

conda --version

⚠️ 出现版本号如 conda 4.12.0 即为成功！

---

可以参考这篇文章见详细步骤：miniconda安装

2.2 创建YOLOv5专属环境

ps：如果开着vpn，创建环境的时候记得关闭一下，不然会出现**CondaSSLError: Encountered an SSL error**

#逐条运行
conda create -n yolov5 python=3.8 -y
conda activate yolov5

2.3 下载YOLOv5官方代码

cd D:/yolov5_project
git clone https://github.com/ultralytics/yolov5.git

进入代码目录：

cd yolov5

---

2.4 安装PyTorch（CPU版本示例）

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

✅ 验证安装是否成功：

python -c "import torch; print(f'PyTorch版本: {torch.__version__}, 设备: {torch.device(\"cpu\")}')"

输出示例：

PyTorch版本: 2.4.1+cpu, 设备: cpu

---

2.5 安装YOLOv5依赖

pip install -r requirements.txt

---

完整安装流程示例

# 1. 创建并激活环境
conda create -n yolov5 python=3.8
conda activate yolov5

# 2. 安装PyTorch CPU版
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# 3. 安装YOLOv5其他依赖
cd D:\yolov5_project\yolov5
pip install -r requirements.txt

# 4. 验证
python -c "import torch; print(f'PyTorch版本: {torch.__version__}, 设备: {torch.device('cpu')}')"

三、准备VOC2012数据集并转换格式

3.1 下载VOC2012数据集

下载地址（约2GB）：
👉 http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

将其解压到：

D:/yolov5_project/VOC2012/

---

3.2 创建转换脚本（VOC → YOLO）

创建文件：
D:/yolov5_project/voc_to_yolo.py

粘贴以下完整代码 👇

import os
import xml.etree.ElementTree as ET
import shutil

# 配置路径（按你的实际路径修改！）
VOC_ROOT = "D:/yolov5_project/VOC2012"  # 原始VOC路径
YOLO_ROOT = "D:/yolov5_project/VOC2012_YOLO"  # YOLO格式输出路径

# VOC类别列表（20类）
CLASSES = [
    "aeroplane", "bicycle", "bird", "boat", "bottle",
    "bus", "car", "cat", "chair", "cow",
    "diningtable", "dog", "horse", "motorbike", "person",
    "pottedplant", "sheep", "sofa", "train", "tvmonitor"
]

# 创建YOLO目录结构
os.makedirs(f"{YOLO_ROOT}/images/train", exist_ok=True)
os.makedirs(f"{YOLO_ROOT}/images/val", exist_ok=True)
os.makedirs(f"{YOLO_ROOT}/labels/train", exist_ok=True)
os.makedirs(f"{YOLO_ROOT}/labels/val", exist_ok=True)


# 从XML转换为YOLO格式标签
def convert_annotation(xml_file):
    tree = ET.parse(f"{VOC_ROOT}/Annotations/{xml_file}")
    root = tree.getroot()
    w = int(root.find('size/width').text)
    h = int(root.find('size/height').text)

    txt_file = xml_file.replace('.xml', '.txt')
    with open(f"{YOLO_ROOT}/labels/train/{txt_file}", 'w') as f:
        for obj in root.iter('object'):
            cls = obj.find('name').text
            if cls not in CLASSES:
                continue
            cls_id = CLASSES.index(cls)
            bbox = obj.find('bndbox')
            xmin = float(bbox.find('xmin').text)
            xmax = float(bbox.find('xmax').text)
            ymin = float(bbox.find('ymin').text)
            ymax = float(bbox.find('ymax').text)
            # 转换为YOLO格式（归一化中心坐标和宽高）
            x_center = (xmin + xmax) / 2 / w
            y_center = (ymin + ymax) / 2 / h
            width = (xmax - xmin) / w
            height = (ymax - ymin) / h
            f.write(f"{cls_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n")


# 复制图像并划分训练集/验证集
def copy_and_split():
    # 读取VOC官方划分文件
    def read_split(file):
        with open(f"{VOC_ROOT}/ImageSets/Main/{file}", 'r') as f:
            return [line.strip() for line in f.readlines()]

    train_files = read_split("train.txt")  # 训练集文件名列表（无后缀）
    val_files = read_split("val.txt")  # 验证集文件名列表（无后缀）

    # 处理训练集
    for file_name in train_files:
        # 复制图像
        shutil.copy(
            f"{VOC_ROOT}/JPEGImages/{file_name}.jpg",
            f"{YOLO_ROOT}/images/train/{file_name}.jpg"
        )
        # 生成标签（已在convert_annotation中处理）

    # 处理验证集
    for file_name in val_files:
        shutil.copy(
            f"{VOC_ROOT}/JPEGImages/{file_name}.jpg",
            f"{YOLO_ROOT}/images/val/{file_name}.jpg"
        )
        # 移动标签到val目录
        shutil.move(
            f"{YOLO_ROOT}/labels/train/{file_name}.txt",
            f"{YOLO_ROOT}/labels/val/{file_name}.txt"
        )

    # 生成train.txt和val.txt路径列表
    with open(f"{YOLO_ROOT}/train.txt", 'w') as f:
        for file_name in train_files:
            f.write(f"{YOLO_ROOT}/images/train/{file_name}.jpg\n")
    with open(f"{YOLO_ROOT}/val.txt", 'w') as f:
        for file_name in val_files:
            f.write(f"{YOLO_ROOT}/images/val/{file_name}.jpg\n")


# 执行转换和划分
if __name__ == "__main__":
    # 第一步：转换所有XML标签到YOLO格式（暂存到labels/train）
    for xml_file in os.listdir(f"{VOC_ROOT}/Annotations"):
        if xml_file.endswith('.xml'):
            convert_annotation(xml_file)

    # 第二步：划分训练集/验证集
    copy_and_split()

    print("转换和划分完成！")

3.3 运行脚本转换数据

cd D:/yolov5_project
python voc_to_yolo.py

运行成功后，会生成以下文件夹结构：

VOC2012_YOLO/
├── images/
│   ├── train/
│   └── val/
├── labels/
│   ├── train/
│   └── val/
├── train.txt
├── val.txt

---

四、修改YOLOv5配置文件

进入：

D:/yolov5_project/yolov5/data

复制一份 VOC.yaml，重命名为 voc2012.yaml

用文本编辑器(txt或者VScode)打开 voc2012.yaml，修改为以下内容：

# Ultralytics YOLOv5 🚀 - Custom VOC2012 Configuration

path: D:/yolov5_project/VOC2012_YOLO
train: train.txt
val: val.txt
test:

names:
  0: aeroplane
  1: bicycle
  2: bird
  3: boat
  4: bottle
  5: bus
  6: car
  7: cat
  8: chair
  9: cow
  10: diningtable
  11: dog
  12: horse
  13: motorbike
  14: person
  15: pottedplant
  16: sheep
  17: sofa
  18: train
  19: tvmonitor

---

准备好了所有文件，就要开始训练模型了

五、开始训练YOLOv5模型！

确保你当前在conda环境下的 YOLOv5 目录下（也就是 (yolov5)D:/yolov5_project/yolov5）：

python train.py --data data/voc2012.yaml --cfg models/yolov5n.yaml --weights yolov5s.pt --batch-size 4 --epochs 50 --device cpu --imgsz 224 --workers 0 --noautoanchor --cache ram --hyp data/hyps/hyp.scratch-low.yaml

以下是该 YOLOv5 训练命令的参数说明表格：

参数	值	说明
--data	data/voc2012.yaml	数据集配置文件路径，指定训练数据的路径、类别等信息（这里是 PASCAL VOC 2012 数据集）。
--cfg	models/yolov5n.yaml	模型结构配置文件，指定 YOLOv5 的网络架构（这里使用 yolov5n，即 nano 版）。
--weights	yolov5s.pt	预训练权重文件，用于迁移学习（这里使用 yolov5s.pt 的权重初始化模型）。
--batch-size	4	每个批次的样本数量（batch size），这里设为 4（通常 GPU 训练会更大，如 16、32）。
--epochs	50	训练的总轮数（epochs），这里设为 50 轮。
--device	cpu	训练设备，这里使用 CPU（如果是 GPU，可设为 0 或 cuda:0）。
--imgsz	224	输入图像的尺寸（height × width），这里设为 224×224（默认通常是 640×640）。
--workers	0	数据加载的线程数（DataLoader workers），设为 0 表示仅使用主线程（适用于调试或 CPU）。
--noautoanchor	（无值）	禁用自动计算 anchor 功能，使用默认的 anchor 尺寸。
--cache	ram	缓存数据集到 RAM 以加速训练（可选 ram / disk / False）。
--hyp	data/hyps/hyp.scratch-low.yaml	超参数配置文件，用于调整学习率、数据增强等（这里使用 scratch-low.yaml 低资源训练配置）。

这是正在训练的模型，训练过程中的关键数值

10/49         0G    0.06485    0.03307    0.06038         19        224

这些数值从左到右分别是：

1. 10/49
   • 当前 epoch / 总 epochs
   • 示例：第 10 轮，共 49 轮。
2. 0G
   • GPU 显存占用（单位：GB）
   • 这里显示为0是因为我的电脑没有GPU
3. 0.06485
   • 当前 batch 的损失（loss）
   • 模型在当前 batch 计算出的损失值（如分类+检测的联合损失）。
4. 0.03307
   • 移动平均损失（smooth loss）
   • 对历史 batch 损失值的指数滑动平均（EMA），用于观察整体趋势。
5. 0.06038
   • 验证集损失（val_loss）或其他指标
   • 如果在训练中插入了验证步骤，可能是验证集损失；否则可能是其他指标（如 mAP@0.5）。
6. 19
   • 当前 batch 的大小（batch size）
   • 实际处理的样本数（可能因数据集大小不整除而调整）。
7. 224
   • 输入图像的尺寸（height/width）
   • 图像被缩放到 224x224 像素（常见于分类或小目标检测）。

---

六、使用训练好的 YOLOv5 模型进行推理

你的训练结果保存在 D:\yolov5_project\yolov5\runs\train\exp 中，检查以下文件是否存在：

• weights/best.pt：最佳模型权重文件（主要使用这个）。
• weights/last.pt：最后一次训练的权重文件。

YOLOv5 提供了 detect.py 脚本，可以直接调用训练好的模型进行检测。以下是具体步骤：

命令格式：

python detect.py --weights <模型路径> --source <输入数据路径> --conf <置信度阈值> --img-size <图像尺寸>

具体示例：

假设你想检测 D:\yolov5_project\VOC2012_YOLO\images 中的图像，运行以下命令：

cd D:\yolov5_project\yolov5
python detect.py --weights runs/train/exp3/weights/best.pt --source ../VOC2012_YOLO/images --conf 0.25 --img-size 640

参数说明：

• --weights：指定训练好的模型权重路径（如 best.pt）。
• --source：输入数据路径，可以是：
  • 单张图片（如 ../test.jpg）
  • 文件夹（如 ../VOC2012_YOLO/images）
  • 视频文件（如 ../video.mp4）
  • 摄像头（如 0 表示默认摄像头）
• --conf：置信度阈值（默认 0.25，可根据需求调整）。
• --img-size：输入图像的尺寸（默认 640，与训练时一致即可）。

---

检测完成后，结果会保存在：

D:\yolov5_project\yolov5\runs\detect\exp<序号>

原图

训练结果

---

七、总结与常见问题

1. Q: train.txt 路径写绝对路径还是相对路径？

A: 在 YAML 中路径是 相对于 path: 配置项的目录。

2. Q: VOC转YOLO格式一定要自己写脚本吗？

A: 推荐自己写，可以掌握底层逻辑，当然也有现成的转换工具。

3. Q: CPU太慢怎么办？

A: 建议使用 Google Colab 或本地带 GPU 的机器。

---

🌟结语

本文从零开始，带你完整体验YOLOv5目标检测训练流程。如果你认真跟着做，一定可以收获一份属于自己的检测模型！

欢迎收藏、点赞、评论！