最近两天正在学习Yolov5，中间遇到了很多问题，不过经过各种资料搜集，也是解决了不少问题，也成功的写出了自己的FPS跟枪功能，使用的是自己训练的模型，使用yolov5n的权重训练了300张图就可以用了。
此文章仅用作记录和备忘，发出来是希望能帮到正在查资料学习的朋友。
第一步：安装labelimg
pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
第二步：新建一个这样的目录结构
VOCdevkit\VOC2007\Annotations 存放标签文件夹
VOCdevkit\VOC2007\JPEGImage 存放素材文件夹
VOCdevkit\VOC2007\predefined_classes.txt 存放标签文件，一行一个
第二步：打开labelImg，在VOC2007目录内执行CMD，命令如下
cmd命令：labelimg 素材文件夹 标签文件文档路径
使用labelimg标注教程【推荐勾选】
选择菜单栏内的View
1.勾选 Auto Save mode 选项
2.勾选 Display Labels 选项
快捷键W开始框选，然后会弹出让你选择类别名字，比如我的是一个head和person两个类别。
A是上一张图，D是下一张图。
标注完毕之后会在Annotations目录下生成和图片名称对应的xml文件。
接下来在VOCdevkit目录下执行这段代码，我把代码打包放云盘了，下载后放在VOCdevkit目录打开执行即可
云盘链接 ：https://www.aliyundrive.com/s/VEUAJyEuVgd 提取码: 1x7g
切记，不推荐路径出现中文噻~。
继续哈，执行完毕后，会在VOCdevkit目录下出现images和labels目录,里面有相应的素材和验证集。
VOC2007目录下出现YOLOLabels目录，里面是xml转换成yolo的txt文件。
第四步：修改配置文件进行模型训练
最后从github上面拉取到yolov5的项目后，把 VOCdevkit整个文件夹放在项目根目录内，然后打开train.py文件修改配置。
第一行是权重文件目录，我下载的是yolov5n的权重，接下来我们看到第二行和第三行有models/cf.yaml和data/cf.yaml这两个文件，这俩到底哪里来的呢，我们继续。
打开yolo项目根目录的data文件夹，把coco128.yaml文件在同目录复制一份，名字自己取，我的就是cf.yaml
然后cf.yaml文件里填写如下内容
train: VOCdevkit/images/train #这个我们已经把VOCdevkit目录复制过来了路径就是这个
val: VOCdevkit/images/val #同上
nc: 2 #这里是类别数量，我只有两个就写2
names: [ 'head','person' ] #这里是类别名称，我第一个是head，第二个是person，其实就是跟上面的predefined_classes.txt里面填写的一样，那个是一行一个，这个根据那个来就可以了。
最后我们执行train.py文件开始训练，可能有的人会报错
出现这个的话我们打开utils目录下的datasets.py搜索num_workers=nw，然后吧nw改成0即可。
最后开始训练即可。训练完毕后我们在runs/train/exp/weights的目录下就出现了我们训练完毕的pt模型文件啦。
