YOLO-V5自定义数据训练：从标注到模型部署完整教程

如果你正在寻找一个能快速上手、效果稳定、部署灵活的目标检测方案，那么YOLO-V5绝对值得你花时间深入了解。它不像那些只停留在论文里的模型，而是真正为工程师和开发者设计的工具链。今天，我就带你走一遍完整的流程：从准备自己的数据开始，一步步训练出专属的检测模型，最后把它部署到实际场景中。

整个过程听起来复杂，但跟着步骤走，你会发现其实很清晰。我们不需要深究复杂的数学公式，重点是掌握“怎么做”和“为什么这么做”。无论你是想识别生产线上的零件缺陷，还是监控场景中的特定行为，这套方法都能直接套用。

---

1. 环境准备：十分钟搞定基础配置

开始之前，我们需要一个干净、稳定的开发环境。这里强烈推荐使用 Anaconda 来管理Python环境，它能帮你避免各种依赖包冲突的“玄学”问题。

1.1 创建专用虚拟环境

打开你的终端（Windows用Anaconda Prompt，Mac/Linux用Terminal），执行以下命令：

# 创建一个名为yolov5的虚拟环境，并指定Python版本为3.9
conda create -n yolov5 python=3.9 -y

# 激活这个环境
conda activate yolov5

为什么是Python 3.9？因为这是目前PyTorch生态兼容性最广、社区支持最好的版本之一，能最大程度减少环境问题。

1.2 安装核心依赖：PyTorch

接下来安装最重要的PyTorch框架。请根据你的电脑硬件情况选择对应的命令：

情况一：你有NVIDIA显卡，并且已经安装了CUDA 11.8 （可以通过 nvidia-smi 命令查看CUDA版本）

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

情况二：你的电脑没有独立显卡，或者只有CPU （比如很多笔记本电脑）

pip install torch torchvision torchaudio

1.3 获取YOLO-V5源码并安装其他依赖

现在来获取YOLO-V5的官方代码库：

# 克隆Ultralytics维护的YOLO-V5仓库
git clone https://github.com/ultralytics/yolov5.git

# 进入项目目录
cd yolov5

# 安装项目所需的所有Python包
pip install -r requirements.txt

这个 requirements.txt 文件包含了OpenCV、Matplotlib、Pandas等二十多个常用库，一条命令就能全部装好。

1.4 快速验证：用预训练模型检测一张图片

环境装好了，怎么知道能不能用呢？最简单的方法就是跑个例子看看：

python detect.py --source data/images/bus.jpg --weights yolov5s.pt

这条命令做了三件事：

1. 加载一个预训练好的小模型（yolov5s.pt）
2. 对项目自带的示例图片 bus.jpg 进行推理
3. 把检测结果保存到 runs/detect/exp/ 目录

打开生成的图片，如果能看到公交车上用框标出了“人”，说明你的环境完全正常，可以进入下一步了。

小提示：yolov5s 是“小（small）”模型，速度最快，适合快速验证和CPU运行。如果你有GPU且需要更高精度，可以试试 yolov5m（中）或 yolov5l（大）。

---

2. 数据准备：为模型准备“教材”

模型训练就像教孩子认东西，你得先准备好“教材”——也就是标注好的数据。这部分工作决定了模型最终能学得多好。

2.1 理解YOLO的数据格式要求

YOLO-V5要求数据按特定方式组织。假设我们要训练一个识别“猫”和“狗”的模型，目录结构应该是这样的：

my_pet_dataset/          # 数据集根目录
├── images/              # 存放所有图片
│   ├── train/           # 训练集图片
│   │   ├── cat_001.jpg
│   │   ├── dog_001.jpg
│   │   └── ...
│   └── val/             # 验证集图片（用于评估模型）
│       ├── cat_101.jpg
│       ├── dog_101.jpg
│       └── ...
├── labels/              # 存放所有标注文件
│   ├── train/           # 训练集标注
│   │   ├── cat_001.txt
│   │   ├── dog_001.txt
│   │   └── ...
│   └── val/             # 验证集标注
│       ├── cat_101.txt
│       ├── dog_101.txt
│       └── ...
└── data.yaml            # 数据集配置文件（最重要！）

关键点来了：每个图片文件都对应一个同名的 .txt 标注文件。比如 cat_001.jpg 的标注就在 cat_001.txt 里。

2.2 标注文件怎么写？

标注文件的内容格式很简单，每行代表图片中的一个物体：

<class_id> <x_center> <y_center> <width> <height>

• class_id：类别编号，从0开始（0=猫，1=狗）
• x_center, y_center：边界框中心点的坐标（相对值，0~1之间）
• width, height：边界框的宽度和高度（相对值，0~1之间）

“相对值”是什么意思？ 假设图片尺寸是 800×600 像素，你标注了一个框，中心点在 (400, 300)，框的宽高是 (160, 120)。那么：

• x_center = 400 / 800 = 0.5
• y_center = 300 / 600 = 0.5
• width = 160 / 800 = 0.2
• height = 120 / 600 = 0.2

所以这一行就是：0 0.5 0.5 0.2 0.2

一张图片有多个物体就写多行。例如：

0 0.3 0.4 0.15 0.2   # 一只猫
1 0.7 0.6 0.25 0.3   # 一只狗

2.3 创建数据集配置文件

最后，在数据集根目录创建 data.yaml 文件：

# 训练和验证图片的路径（相对路径或绝对路径）
train: ./my_pet_dataset/images/train
val: ./my_pet_dataset/images/val

# 类别数量
nc: 2

# 类别名称，按class_id顺序排列
names: ['cat', 'dog']

这个文件告诉YOLO-V5：数据在哪里、有几个类别、分别叫什么名字。

2.4 标注工具推荐

手动计算坐标太麻烦？用工具吧：

• LabelImg：开源免费，支持Windows/Mac/Linux，图形化界面，直接生成YOLO格式

  pip install labelImg
  labelImg
  

• Roboflow：在线标注平台，支持团队协作，还能自动做数据增强
• CVAT：功能强大的开源标注系统，适合企业级项目

数据质量黄金法则：宁可要100张标注精准的图片，也不要1000张标注粗糙的图片。模糊的、遮挡严重的、角度极端的样本，该舍弃就舍弃。

---

3. 模型训练：让模型学习你的数据

数据准备好了，现在开始训练。YOLO-V5支持“迁移学习”——不用从零开始，而是在预训练模型的基础上，用你的数据微调。

3.1 启动训练命令

在yolov5项目目录下，运行：

python train.py \
  --img 640 \              # 输入图片尺寸（像素）
  --batch 16 \             # 每次训练处理的图片数量
  --epochs 50 \            # 整个数据集训练多少轮
  --data ../my_pet_dataset/data.yaml \  # 你的数据集配置文件
  --weights yolov5s.pt \   # 从哪个预训练模型开始
  --cfg models/yolov5s.yaml \  # 模型结构配置文件
  --name my_pet_detector   # 这次训练的名字

参数解释：

参数	作用	常见值
--img	图片输入尺寸	640（默认），可增大到1280检测小物体
--batch	批次大小	取决于GPU显存，16-32较常见
--epochs	训练轮数	30-100，数据少可适当增加
--data	数据配置路径	你的 data.yaml 文件路径
--weights	初始权重	yolov5s.pt（小模型，推荐入门）
--name	实验名称	任意有意义的名称，用于区分不同训练

3.2 训练过程监控

训练开始后，你会看到类似这样的输出：

Epoch   gpu_mem       box       obj       cls    labels  img_size
  0/49     2.1G   0.05123   0.02011  0.008761        22       640
  1/49     2.1G   0.04689   0.01845  0.007892        18       640
  ...

• box：边界框定位损失（越小越好）
• obj：物体置信度损失（越小越好）
• cls：分类损失（越小越好）

训练结束后，所有结果都保存在 runs/train/my_pet_detector/ 目录下。最重要的几个文件：

• weights/best.pt：效果最好的模型权重（我们要用的）
• weights/last.pt：最后一轮的模型权重
• results.png：训练过程可视化图表

打开 results.png，你会看到多条曲线，最需要关注的是 mAP@0.5 这条线（通常为橙色）。它表示在IoU阈值为0.5时的平均精度，数值越高（接近1），说明模型检测越准。

3.3 实用训练技巧

如果你的数据集很小（比如只有几百张图片）：

python train.py --data data.yaml --weights yolov5s.pt --epochs 100 --freeze 10

--freeze 10 会冻结前10层网络（主干特征提取部分），只训练后面的检测头，防止过拟合。

如果你的GPU显存不够：

python train.py --batch 8 --accumulate 2

--batch 8 减小批次大小，--accumulate 2 表示每2个批次更新一次梯度，相当于模拟批次大小为16的效果。

如果想加快训练速度：

python train.py --cache ram

--cache ram 把整个数据集缓存到内存中，大幅减少磁盘IO时间，适合数据集能完全放入内存的情况。

---

4. 模型验证与测试：看看训练效果如何

训练完成后，别急着用，先验证一下模型在验证集上的表现：

python val.py \
  --weights runs/train/my_pet_detector/weights/best.pt \
  --data ../my_pet_dataset/data.yaml \
  --img 640 \
  --task val

这个命令会输出详细的评估指标：

Class     Images  Instances      P      R      mAP50  mAP50-95
all        100       342      0.892   0.867   0.901    0.672
cat         50       167      0.912   0.880   0.918    0.685
dog         50       175      0.873   0.854   0.884    0.659

• P：精确率（Precision）——模型认为是猫/狗的框里，有多少真的是猫/狗
• R：召回率（Recall）——所有真实的猫/狗，有多少被模型找出来了
• mAP50：IoU阈值为0.5时的平均精度（主要看这个）
• mAP50-95：IoU阈值从0.5到0.95的平均精度（更严格的指标）

一般来说，mAP50 达到0.8以上就算不错，0.9以上就很好了。

4.1 用测试图片看看实际效果

找几张训练时没见过的图片，看看模型的实际表现：

python detect.py \
  --source ../test_images/ \          # 测试图片目录
  --weights runs/train/my_pet_detector/weights/best.pt \
  --conf 0.5 \                        # 置信度阈值（只显示置信度>0.5的检测框）
  --name my_test_run

结果会保存在 runs/detect/my_test_run/。打开看看，框的位置准不准？有没有漏检或误检？这是最直观的检验方式。

---

5. 模型部署：让模型真正跑起来

训练好的模型不能只在实验室里跑，得部署到实际场景中。YOLO-V5支持多种部署方式。

5.1 基础推理：图片、视频、摄像头

单张图片检测：

python detect.py --source test.jpg --weights best.pt

批量处理整个文件夹：

python detect.py --source input_images/ --weights best.pt

处理视频文件：

python detect.py --source video.mp4 --weights best.pt

摄像头实时检测：

python detect.py --source 0 --weights best.pt  # 0表示默认摄像头

5.2 编程调用：集成到你的Python项目中

很多时候我们需要把检测功能集成到自己的系统里。下面是一个完整的Python脚本示例：

import torch
import cv2
from pathlib import Path

# 设置设备（自动选择GPU或CPU）
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(f'使用设备: {device}')

# 加载模型
model = torch.hub.load('ultralytics/yolov5', 'custom', 
                       path='runs/train/my_pet_detector/weights/best.pt',
                       force_reload=True)
model.to(device)
model.eval()  # 设置为评估模式

# 准备图片
img_path = 'test_cat.jpg'
img = cv2.imread(img_path)  # 用OpenCV读取
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # BGR转RGB

# 推理
results = model(img_rgb, size=640)  # size可调整，需与训练时一致

# 处理结果
predictions = results.pandas().xyxy[0]  # 获取检测结果（pandas DataFrame格式）

print(f"检测到 {len(predictions)} 个物体:")
for _, row in predictions.iterrows():
    label = row['name']
    confidence = row['confidence']
    x1, y1, x2, y2 = int(row['xmin']), int(row['ymin']), int(row['xmax']), int(row['ymax'])
    
    print(f"  - {label}: 置信度 {confidence:.2f}, 位置 [{x1}, {y1}, {x2}, {y2}]")
    
    # 在图片上画框
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    cv2.putText(img, f'{label} {confidence:.2f}', 
                (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 保存结果
output_path = 'detected_' + Path(img_path).name
cv2.imwrite(output_path, img)
print(f"结果已保存到: {output_path}")

# 也可以直接显示
cv2.imshow('Detection Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个脚本展示了如何加载模型、处理图片、解析结果并可视化。你可以把它嵌入到Web服务、桌面应用或自动化脚本中。

5.3 模型导出：适配不同平台

为了在不同设备上高效运行，我们需要把PyTorch模型转换成特定格式：

导出为ONNX（跨平台通用格式）：

python export.py --weights best.pt --include onnx --img 640 --batch 1

导出为TensorRT（NVIDIA GPU加速）：

python export.py --weights best.pt --include engine --img 640 --batch 1

导出为CoreML（苹果设备）：

python export.py --weights best.pt --include coreml --img 640 --batch 1

导出为TFLite（安卓/嵌入式设备）：

python export.py --weights best.pt --include tflite --img 640 --batch 1

导出的模型文件可以直接在对应平台上运行，无需安装PyTorch环境。

5.4 性能优化技巧

如果推理速度不够快：

• 尝试更小的模型（从 yolov5l 换到 yolov5s）
• 减小输入尺寸（从 --img 640 降到 --img 416）
• 使用TensorRT或ONNX Runtime加速
• 开启半精度推理（FP16）

如果检测精度不够高：

• 检查数据标注质量
• 增加训练轮数（--epochs）
• 使用更大的模型（从 yolov5s 换到 yolov5l）
• 增大输入尺寸（从 --img 640 升到 --img 1280）
• 调整置信度阈值（--conf，默认0.25）

---

6. 总结：从数据到部署的完整闭环

走完这一整套流程，你应该已经掌握了YOLO-V5自定义训练的核心要点。让我们回顾一下关键步骤：

1. 环境搭建：用Anaconda创建独立环境，安装PyTorch和YOLO-V5依赖
2. 数据准备：按规范组织图片和标注，创建 data.yaml 配置文件
3. 模型训练：用迁移学习在自有数据上微调，监控训练过程
4. 模型验证：评估模型在验证集上的表现，确保达到预期效果
5. 模型部署：将训练好的模型应用到实际场景中，支持多种格式导出

YOLO-V5最大的优势不是学术上的突破，而是工程上的友好性。清晰的文档、活跃的社区、丰富的预训练模型，都让它成为工业界落地目标检测的首选。

遇到问题怎么办？记住这几个资源：

• 官方文档：https://docs.ultralytics.com
• GitHub Issues：https://github.com/ultralytics/yolov5/issues
• 社区讨论：很多具体问题都能找到现成答案

现在，你可以用自己的数据试试了。从简单的开始，比如识别办公室里的“水杯”、“键盘”、“鼠标”，熟悉整个流程后，再挑战更复杂的场景。

训练第一个模型时可能会遇到各种问题，这很正常。重要的是保持耐心，仔细检查每一步：数据格式对不对？配置文件路径对吗？GPU内存够不够？大多数问题都能通过仔细排查解决。

目标检测的世界很大，YOLO-V5只是一个开始。但有了这个扎实的基础，你就能更快地探索更高级的应用，比如多目标跟踪、实例分割、3D检测等等。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。