瓶子小-yoloAppearance
下载yolov5项目
克隆下载yolov5项目
git clone https://github.com/ultralytics/yolov5.git
安装依赖
pip install -r requirements.txt
python版本
python=3.9是最稳定的版本
conda create -n yolov5 python=3.9
国内源
国内下载加速地址
https://pypi.tuna.tsinghua.edu.cn/simple
设置源地址
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
源配置好提示
(yolov5) D:\pythonCode\yolov5-master>pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
Writing to C:\Users\hello\AppData\Roaming\pip\pip.ini
清华源网站
https://mirrors.tuna.tsinghua.edu.cn/help/pypi
pytorch官网
https://pytorch.org
找历史版本
找个长期支持版1.8.2
只要小于等于当前电脑的CUDA就行，根据电脑来
安装
单独开发时使用
# 安装 三方库： uultralytics
# 导包：from ultralytics import yolo
pip install ultralytics
# 安装后内置了opencv,torch等库，无需单独安装
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
验证安装
# windows 终端
pip list | findstr ultralytics
# yolo version 显示版本后，立马会闪退终端，并闭且，不知为何
yolo version
下载模型并加载模型
from ultralytics import YOLO
# 自动下载(本地没有就会下载) yolov8n 基础模型用于测试用，是一个大众的预训练模型
test = YOLO("yolov8n.pt")
检测目标
from ultralytics import YOLO
# 自动下载(本地没有就会下载) yolov8n 基础模型用于测试用，是一个大众的预训练模型
test = YOLO("yolov8n.pt")
test("1.jpg")
检测视频
from ultralytics import YOLO
a1 = YOLO("yolov8n.pt")
a1("videos/2026-04-05_17-32-29.mp4",show=True,save=True)
准备数据集结构文件
- 根目录下新建一个文件夹，可自定义，命名为：data
- 在data文件夹下新建两个子文件，分别为：images 和 labels
- images和labels下再分别创建2个文件夹，分别为：train 和 val
- images下的train和val文件夹下分别放入训练图片(png,jpg)
- labels下的train和val文件夹下分别放入图片的标注文件(txt)
数据标注工具安装
pip install labelimg
## 启动
labelimg
常用功能
1、设置自动，这样每次不需要手动保存
2、图片上右击，选择Create RectBox，然后框选目标物体，最后按回车键确认标注。
3、上一张和下一张切换
按A是上一张，按D是下一张。
训练模型
