环境配置见yolov5/yolov3 pytorch环境配置gpu+windows11+anaconda+pycharm+RTX3050 笔记
正确的训练步骤见（windows）yolov5/yolov3训练自己的数据集，win11 gpu,pycharm,RTX3050笔记
数据集文件分布
建议将JPEGImages改为images,否则见报错三及解决方法
HITUAVyolo.yaml数据集配置
修改train.py
搜索--data 将coco.yaml改为你自己配置文件的文件名
报错1
Traceback (mostrecent call last):
File"D:\anaconda3\envs\yolov5\lib\site-packages\git\__init__.py", line89, in <module>
refresh()
File"D:\anaconda3\envs\yolov5\lib\site-packages\git\__init__.py", line76, in refresh
if not Git.refresh(path=path):
File"D:\anaconda3\envs\yolov5\lib\site-packages\git\cmd.py", line 392, inrefresh
raise ImportError(err)
ImportError:Bad git executable.
The gitexecutable must be specified in one of the following ways:
- be included in your $PATH
- be set via $GIT_PYTHON_GIT_EXECUTABLE
- explicitly set via git.refresh()
All gitcommands will error until this is rectified.
This initialwarning can be silenced or aggravated in the future by setting the
$GIT_PYTHON_REFRESHenvironment variable. Use one of the following values:
- quiet|q|silence|s|none|n|0: for nowarning or exception
- warn|w|warning|1: for a printed warning
-error|e|raise|r|2: for a raised exception
解决方法
import git 或 from git import xxx前面加一行
os.environ["GIT_PYTHON_REFRESH"]= "quiet"
参考入门Anaconda cuda yolov5 安装排坑_anaconda yolov5_Theory D的博客-CSDN博客
报错2（可能是因为打开了todesk）
解决方法
关闭todesk,修改model/yolov5s.yaml的种类为自己数据集的class数目 nc
报错3
AssertionError:train: No labels found in D:\code\datasets\HIT-UAV\train.cache, can not starttraining. See https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data
问题解决
参考一步真实解决AssertionError: train: No labels in /xxx/xxx/xxx/datasets/VOC_To_YOLO/train.cache._assertionerror怎么解决_蓝胖胖▸的博客-CSDN博客
这是因为【datasets.py】中的图片路径设置的不对
解决方案如下：
1.打开在utils/dataloaders.py
2.打开之后，按【Ctrl】+【F】打开搜索功能，输入【Define label 】找到下面的一行内容：
sa, sb =f'{os.sep}images{os.sep}',f'{os.sep}labels{os.sep}' # /images/,/labels/ substrings
3.由于我数据集图片放在了JPEGImages文件夹内：需要把【JPEGImages】替换掉images
再次运行【trian.py】
python train.py --img 640 --batch 16 --epochs 100 --data data/HIT-UAVyolo.yaml--weights yolov5s.pt --device 0
成功
关于Linux上yolov3/v5环境配置及训练过程，可以参考：
（linux）yolov5/v3-pytorch目标检测1：环境配置gpu+anaconda+pycham+ RTX2080ti 笔记_chao_xy的博客-CSDN博客文章来源：https://www.toymoban.com/news/detail-421435.html
（linux）yolov5/v3-pytorch目标检测2：训练自己的数据集，gpu，pycharm, RTX2080ti，单/多显卡训练，笔记_chao_xy的博客-CSDN博客文章来源地址https://www.toymoban.com/news/detail-421435.html
到了这里，关于win11 yolov5训练踩坑，笔记的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
