yolov5配置使用、训练自己的数据集以及使用模型检测数据
1、github上面下载yolov5 2、安装cuda和cudnn，
3、本地pycharm打开项目，安装里面需要的包
其中较为麻烦的是pytorch，可以直接去 官网 获取下载最新版本的命令，然后安装 https://pytorch.org/
或者下载对应的whl文件，然后安装
4、数据准备 官网参考（包括数据标注等）
初始目录（yolov5-master）大概是这样子
下载个yolov5的模型
链接：https://pan.baidu.com/s/1kJRETjUSrYSmWuog9tksCw?pwd=9t51
提取码：9t51
总共四个pt文件，放在yolov5-master目录下
然后在yolov5-master的同目录下创建个datasets文件夹，然后里面新建文件夹，新建文件夹里面存放图片以及标注，其中图片目录是datasets\road\images\road_mark，标注目录是datasets\road\labels\road_mark（我自己的，其中road和road_mark这两个随便名字，datasets和images，labels这几个尽量不改，改的话还要改一下代码里面的路径，注意datasets与yolov5-master同目录，不然也要麻烦一点改路径）
然后在data目录下创建自己的yaml文件，里面包含类型名字、类型数量、数据集路径等，具体路径看着改吧，看明白的话怎么方便怎么来，我这个也只是方便自己的
5、然后转到train.py，要改的地方不多，–data改成自己的yaml文件，–batch-size的default改成合适自己的（跑不起来就调小一点，亲测1650笔记本大概是4就吃满4g显存了（渣））
–imgsz是默认的图片大小，自动是默认640*640，但也不用改，它会自动适应你自己的图片
–epochs的default是迭代次数，你看你想多少次了
然后运行train.py，等结果（结果模型在runs/train/epxx/weights里面）
训练完成后会有一些图片数据，来显示你这个训练的结果怎么样，结果解析
6、用自己的模型训练图片，转到detect.py，主要是这两个路径，模型路径和须要训练的图片路径，ROOT是yolov5-master的路径，训练的结果在runs/detect/epxx里面
应该就是这样
