本文主要讲述了Yolov5如何训练自定义的数据集，以及使用GPU训练，涵盖报错解决，案例是检测图片中是否有救生圈。 最后的效果图大致如下：

系列文章

1、详细讲述Yolov5从下载、配置及如何使用GPU运行

2、Labelimg标注自己的数据集，及如何划分训练集和验证集，应用于Yolov5

上一篇文章中，已经介绍了该如何标注自己的数据集，以及该如何给他们分类，接下来的话，就是根据我们已经标注好的数据集来进行训练啦。

将我们之前划分好的数据集放入项目中：

补充：通过文件夹将数据集复制放进去的，pycharm可以索引的更快，不然会卡很久。

我们需要指定数据集的位置，首先就是要修改 coco128.yaml 配置文件

我们复制data 文件夹下 coco128.yaml 配置文件，并重命名为 blog_demo.yaml

我们复制 models 文件夹下 yolov5s.yaml 配置文件，并重命名为 yolov5s_blog.yaml

参数的细节可能需要各位朋友自己去了解啦，我这里只是将类别数目修改成和data/blog_demo.yaml文件对应。

此处暂时不做深究，我们当前的任务是跑通整个代码。

主要是了解截图里面部分参数，这主要是因为训练的时候，不同的机器硬件参数不同，能做的事情也不同，所以相应需要调整，尽可能的把性能发挥到极致。

注意：参数含default的为默认值，可以直接在文件进行修改，那么运行时直接python train.py也可；直接在命令行指定也可以。

含action的一般为'store_true',使用该参数则需要在命令行指定。

可以使用命令行，也可以修改train.py代码，我为了方便测试，就直接使用命令行啦

bash

复制代码

python train.py --weights weights/yolov5s.pt --cfg models/yolov5s_blog.yaml --data data/blog_demo.yaml --epochs 100 --batch-size 16 --multi-scale --device 0

接下来就是我的报错踩坑过程啦。

错误如下图，这个很好解决，主要是由于 numpy 的版本引起的。我们换个版本即可。

yolo官方 requirements.txt 指定的 numpy 版本≥1.18.5，当你执行pip install -r requirements.txt命令时，他默认安装为1.24，但是再numpy版本更新时numpy.int在NumPy 1.20中已弃用，在NumPy 1.24中已删除。下面给2个解决方案：

1、重新安装numpy

pip uninstall numpy pip install numpy==1.22 -i