YOLOv5实战：从零开始训练自定义目标检测模型全流程指南

1. 项目概述：从零到一，亲手训练一个YOLOv5模型

如果你对AI感兴趣，尤其是计算机视觉里的目标检测，那么“YOLOv5”这个名字你一定不陌生。它就像一个“开箱即用”的瑞士军刀，速度快、精度高，而且社区生态极其丰富，让很多复杂的任务变得触手可及。但很多新手朋友卡在了第一步：看懂了原理，也下载了代码，但面对自己的一堆图片，却不知道如何让模型“认识”它们，训练出一个属于自己的检测器。网上的教程要么太老，要么步骤跳跃，环境配置、数据准备、训练调参，每一步都可能是个坑。

这篇内容，就是为你准备的。我将以一个从业者的视角，带你完整走一遍用YOLOv5训练自己数据集的流程。我们不谈空洞的理论，只聚焦于“怎么做”。从环境搭建、数据标注、配置文件修改，到启动训练、评估模型，最后用训练好的模型进行推理，每一步都有详细的命令和截图，并解释清楚背后的逻辑。无论你是学生、工程师，还是对AI有浓厚兴趣的爱好者，只要跟着步骤走，你就能亲手“喂”出一个能识别特定目标的AI模型。比如，你可以让它学会识别你花园里的不同花卉、仓库里的零件瑕疵，或者统计视频中的人流车流。整个过程，就像教一个孩子认东西，只不过我们用的是代码和图片。

2. 核心思路与工具选型：为什么是YOLOv5？

在动手之前，我们得先明白为什么选择YOLOv5，以及我们整个项目的核心思路是什么。目标检测的模型很多，从古老的R-CNN系列到YOLO系列，再到后来的DETR等Transformer模型，各有优劣。

2.1 为什么选择YOLOv5？

对于新手和大多数工业应用场景，YOLOv5至今仍是一个极佳的选择，原因有以下几点：

1. 极致的易用性：这是它最大的优点。Ultralytics公司将其工程化做到了极致。一个git clone，一个pip install -r requirements.txt，环境就差不多了。训练命令简单到只需指定数据配置文件和几个参数。这种“一键式”的体验极大地降低了入门门槛。
2. 活跃的社区与完善的文档：YOLOv5的GitHub仓库issue区非常活跃，你遇到的90%的问题都能在那里找到答案或讨论。其官方文档和教程也在不断更新，涵盖了从训练到部署的方方面面。
3. 优秀的精度-速度平衡：YOLOv5提供了从n（最小最快）到x（最大最准）多个预训练模型尺寸。你可以根据你的硬件条件和精度要求灵活选择。在主流GPU上，即使是YOLOv5s也能达到实时检测（>30 FPS）和高精度。
4. 完整的工具链：它不仅仅是一个模型，更是一个工具箱。除了训练，它还内置了模型验证（计算mAP等指标）、模型导出（到ONNX、TorchScript、CoreML等格式）、模型推理（对图像、视频、流媒体）等一系列功能，省去了你到处找工具拼接的麻烦。
5. 数据格式友好：YOLOv5使用的数据格式是经典的“YOLO格式”，即每个图像对应一个.txt文件，里面用归一化后的中心坐标和宽高表示边界框。这种格式简单明了，很多标注工具（如LabelImg、Roboflow）都直接支持导出。

相比之下，虽然YOLOv8、YOLOv9等后续版本在性能上可能有提升，但YOLOv5的稳定性、社区资源和学习资料目前仍然是最丰富的，对于“训练自己的数据集”这个目标来说，它是最稳妥的起点。

2.2 项目核心思路拆解

我们的目标很明确：让YOLOv5模型学会识别我们自定义的类别。整个流程可以抽象为以下几个核心步骤：

1. 环境准备：搭建一个能运行PyTorch和YOLOv5代码的Python环境。
2. 数据准备：收集图片，进行标注，并整理成YOLOv5要求的目录结构。
3. 配置修改：告诉模型我们的数据在哪里，以及要识别哪些类别。
4. 模型训练：启动训练过程，让模型从数据中学习。
5. 模型评估：使用模型未见过的图片测试其性能，查看指标如精度、召回率、mAP。
6. 模型使用：用训练好的模型对新图片或视频进行预测。

这个思路是通用的，无论你检测什么目标，流程都大同小异。接下来，我们就深入到每一个环节的细节中。

3. 环境搭建与项目初始化：打造你的AI工作台

工欲善其事，必先利其器。一个干净、可控的环境是成功的第一步。强烈建议使用Anaconda或Miniconda来管理Python环境，避免包版本冲突。

3.1 创建并激活虚拟环境

打开你的终端（Windows用Anaconda Prompt或CMD，Linux/macOS用终端），执行以下命令：

# 创建一个名为yolov5的Python环境，指定Python版本为3.8（3.7-3.10都行，3.8最兼容） conda create -n yolov5 python=3.8 # 激活这个环境 conda activate yolov5

激活后，你的命令行提示符前面应该会显示(yolov5)，表示你已经在这个独立的环境中了。

3.2 克隆YOLOv5仓库并安装依赖

YOLOv5的官方代码托管在GitHub上。我们将其克隆到本地。

# 克隆仓库（如果慢，可以考虑使用Gitee镜像） git clone https://github.com/ultralytics/yolov5.git cd yolov5

进入目录后，安装所需的Python包。requirements.txt文件里列出了所有依赖。

# 使用pip安装依赖，建议使用清华源加速 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：这个过程会安装PyTorch。requirements.txt里默认的PyTorch安装命令可能不包含CUDA（GPU支持）。如果你有NVIDIA显卡并希望使用GPU加速训练（这能快几十倍），你需要根据你的CUDA版本手动安装PyTorch。可以先运行nvidia-smi查看CUDA版本，然后去 PyTorch官网 获取对应的安装命令。例如，对于CUDA 11.8：

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

安装完PyTorch后，再执行pip install -r requirements.txt安装其他依赖。

安装完成后，你可以运行一个简单的命令来验证环境和代码是否正常：

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

这条命令会用官方预训练的小模型yolov5s.pt去检测一张示例图片（公交车）。如果一切正常，你会在runs/detect/exp目录下看到生成的结果图片，上面画出了检测到的边界框。这证明你的环境已经准备好了。

4. 数据集准备与标注：教会模型“看”什么

这是整个过程中最耗时但也最核心的一步。模型的好坏，很大程度上取决于你喂给它的数据质量。

4.1 数据收集与原则

你需要收集包含你待检测目标的图片。例如，如果你想检测苹果和香蕉，就需要大量包含苹果和香蕉的图片。数据收集有几个原则：

• 多样性：目标应该在各种场景、光照、角度、尺度下出现。如果只拍正面，模型可能不认识侧面。
• 代表性：数据分布应尽可能接近模型将来要应用的真实场景。
• 数量：这没有绝对标准，但通常一个类别至少需要几百张图片。数据越多，模型泛化能力可能越强，但也要考虑标注成本。
• 质量：图片清晰度要高，目标要明确。过于模糊或目标极小的图片可能带来负面影响。

将收集到的所有图片放在一个文件夹里，例如my_dataset/images/。

4.2 数据标注工具与流程

我们需要为每张图片中的目标画框（边界框）并打上类别标签。推荐使用LabelImg这个开源工具，它直观易用，且直接支持导出YOLO格式。

1. 安装LabelImg：

   # 在之前激活的yolov5环境中安装 pip install labelImg # 安装后，直接在命令行输入 labelImg 即可启动 labelImg

2. 标注流程：

   • 打开LabelImg，点击“Open Dir”选择你的图片目录（my_dataset/images/）。
   • 点击“Change Save Dir”，设置标注文件（.txt）的保存目录。强烈建议设置为my_dataset/labels/，这样图片和标签能分开管理，也符合后续的目录结构要求。
   • 在右侧，点击“PascalVOC”切换到“YOLO”格式。
   • 开始标注：按W键调出画框工具，框住目标。在弹出的窗口中输入类别名称（如apple），点击OK。
   • 一张图标注完后，按Ctrl+S保存，然后按D键切换到下一张。

3. 创建类别文件： 在my_dataset目录下，创建一个名为data.yaml的文件。这个文件是YOLOv5的数据配置文件，是连接你的数据和模型的桥梁。

   # my_dataset/data.yaml path: ../my_dataset # 数据集根目录的相对路径（相对于yolov5代码目录） train: images/train # 训练集图片路径，相对于path val: images/val # 验证集图片路径，相对于path # test: images/test # 测试集（可选） # 类别数量与名称 nc: 2 # 你的目标类别数量，例如2（苹果和香蕉） names: ['apple', 'banana'] # 类别名称列表，顺序很重要，索引0对应‘apple’，1对应‘banana’

   重要提示：names列表的顺序必须与你标注时使用的类别名称一致，并且索引（0, 1, 2...）将作为模型内部的类别ID。后续所有预测结果中的类别数字，都对应这里的索引。

4.3 数据集划分与目录结构

我们不能把所有数据都用来训练，需要留出一部分不参与训练，用于验证模型在“没见过”的数据上的表现，防止过拟合。通常按70%训练，20%验证，10%测试（或8:1:1）的比例随机划分。

你可以手动复制图片，但更推荐写一个简单的Python脚本自动完成。最终，你的数据集目录结构应该如下所示：

my_dataset/ ├── data.yaml # 数据配置文件 ├── images/ # 所有图片 │ ├── train/ # 训练集图片 │ │ ├── img1.jpg │ │ └── ... │ └── val/ # 验证集图片 │ ├── img2.jpg │ └── ... └── labels/ # 所有标签文件（与images一一对应） ├── train/ │ ├── img1.txt │ └── ... └── val/ ├── img2.txt └── ...

确保images/train里的每个jpg文件，在labels/train里都有一个同名的txt文件。标签文件内容格式示例（img1.txt）：

0 0.5 0.5 0.3 0.4 1 0.7 0.3 0.2 0.2

每一行代表一个目标。第一列是类别索引（对应data.yaml中的names），后面四个数字是归一化后的中心x坐标、中心y坐标、宽度、高度。

5. 模型训练详解：让学习过程运转起来

数据准备好了，环境也OK了，现在可以开始最激动人心的环节——训练。

5.1 理解训练命令与参数

YOLOv5的训练入口是train.py。其核心参数并不多，但每一个都至关重要。

python train.py --img 640 --batch 16 --epochs 100 --data my_dataset/data.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --name my_first_train

我们来拆解这些参数：

• --img 640：输入图片的尺寸。YOLOv5会统一将图片缩放到这个尺寸进行训练。更大的尺寸（如1280）可能提升精度，但会显著增加显存消耗和训练时间。640是一个在速度和精度间取得良好平衡的常用值。
• --batch 16：批大小。一次迭代送入模型多少张图片。越大训练越稳定，速度可能越快，但需要更多显存。如果出现“CUDA out of memory”错误，首先尝试减小batch（如改为8或4）。
• --epochs 100：训练轮数。整个训练集被完整遍历一次称为一个epoch。轮数太少模型学不够，太多可能导致过拟合。100是一个常见的起点，你可以根据验证集指标变化情况提前终止。
• --data my_dataset/data.yaml：指向我们刚才创建的数据配置文件。
• --cfg models/yolov5s.yaml：模型结构配置文件。我们选择yolov5s.yaml，这是最小的模型，训练快，适合实验。如果你想追求更高精度，可以选yolov5m.yaml或yolov5l.yaml，但需要更长的训练时间和更大的显存。
• --weights yolov5s.pt：初始权重文件。这里我们使用在COCO数据集上预训练过的yolov5s.pt。这是关键的一步，称为迁移学习。模型已经具备了通用的物体检测能力（边缘、纹理、形状等），我们在此基础上针对自己的特定目标进行微调，这比从零开始训练要快得多、好得多。
• --name my_first_train：本次训练实验的名称。所有输出（日志、模型权重、可视化结果）都会保存在runs/train/my_first_train目录下。

5.2 启动训练与监控

在终端执行上述命令（注意路径，确保在yolov5代码根目录下，并且data.yaml的路径正确）。训练开始后，你会看到类似下面的输出：

Starting training for 100 epochs... Epoch gpu_mem box obj cls labels img_size 0/99 2.1G 0.1xxx 0.0xxx 0.0xxx 16 640: 100%|██████████| 100/100 [01:23<00:00, 1.20it/s] Class Images Labels P R mAP@.5 mAP@.5:.95: 100%|██████████| 10/10 [00:05<00:00, 1.80it/s] all 100 500 0.xxx 0.xxx 0.xxx 0.xxx

• gpu_mem：GPU显存使用情况。
• box,obj,cls：分别是边界框回归损失、目标性损失、分类损失。随着训练进行，这些损失值应该总体呈下降趋势。
• P(Precision),R(Recall),mAP@.5,mAP@.5:.95：这是在每个epoch结束后，在验证集上计算的指标。它们是衡量模型性能的关键。
  • 精度（Precision）：模型预测为正的样本中，真正为正的比例。“查得准不准”。
  • 召回率（Recall）：所有真实的正样本中，被模型预测出来的比例。“查得全不全”。
  • mAP@.5：在IoU（交并比）阈值为0.5时的平均精度均值。这是目标检测领域最核心的指标之一，值越高越好。
  • mAP@.5:.95：在IoU阈值从0.5到0.95（步长0.05）区间内mAP的平均值，是更严格的指标。

训练过程中，YOLOv5会自动在runs/train/my_first_train目录下生成很多有用的文件：

• weights/best.pt：训练过程中在验证集上表现最好的权重文件。
• weights/last.pt：最后一个epoch的权重文件。
• results.png：损失和指标随epoch变化的曲线图，是判断训练状态、是否过拟合/欠拟合的重要依据。
• confusion_matrix.png：混淆矩阵，可视化模型在各个类别上的分类错误情况。

5.3 训练过程的心得与调参技巧

1. 耐心观察损失曲线：训练初期损失下降很快是正常的。重点观察后期，训练损失持续下降而验证损失开始上升或波动，这可能是过拟合的迹象。此时可以考虑提前停止训练（Early Stopping），或者增加数据增强、使用更小的模型。
2. 关注mAP指标：我们的最终目标是提升mAP。通常，mAP会随着训练轮数增加而上升，然后逐渐趋于平稳。当连续多个epoch的mAP不再显著提升时，就可以考虑停止训练了。
3. 学习率与优化器：YOLOv5默认使用SGD优化器，并带有学习率热身（Warmup）和余弦退火（Cosine Annealing）调度。对于大多数情况，默认设置工作得很好。如果你修改了模型大小或数据集，可以微调初始学习率--lr0（默认0.01）。
4. 数据增强：YOLOv5默认开启了强大的在线数据增强（如 mosaic， mixup， 色彩抖动等），这能极大提升模型的泛化能力。除非你有特殊原因（例如医学影像对形变敏感），否则不要关闭它。相关参数在data/hyps/hyp.scratch-low.yaml等配置文件中。
5. 显存不足怎么办：如果遇到CUDA内存错误，依次尝试：减小--batch-size；减小--img-size（如从640到416）；使用更小的模型（从s换成n）；使用梯度累积（--accumulate，例如--accumulate 2相当于有效batch size翻倍但显存占用不变）。

6. 模型评估与性能分析：给你的模型打个分

训练结束后，我们得到了best.pt模型。但它到底有多好？我们需要用验证集（或者预留的测试集）进行系统评估。

6.1 使用val.py进行标准评估

YOLOv5提供了专门的验证脚本val.py。使用它来计算我们在训练日志里看到的那些指标。

python val.py --weights runs/train/my_first_train/weights/best.pt --data my_dataset/data.yaml --img 640 --batch 32 --task val --name my_evaluation

• --weights：指定要评估的模型权重。
• --data：同样的数据配置文件。
• --task val：指定使用验证集进行评估。如果你有独立的测试集，可以在data.yaml中指定test路径，然后使用--task test。

运行后，你会得到一个详细的评估报告，包括每个类别的精度、召回率、mAP，以及整体的性能指标。同时，它还会在runs/val/my_evaluation目录下生成可视化结果，如预测框与真实框的对比图，这对于定性分析模型错误非常有帮助。

6.2 核心指标解读与问题诊断

看评估报告，要抓住几个关键点：

1. 各类别mAP是否均衡？如果“苹果”的mAP@0.5有0.9，而“香蕉”只有0.6，说明模型对香蕉的检测能力较差。可能的原因有：香蕉的样本数量不足、图片中香蕉的形态或背景过于单一、标注质量有问题。解决方法就是针对性地补充“困难样本”。
2. 精度（P）和召回率（R）的平衡：高精度低召回，说明模型很保守，只对它非常确定的目标才进行预测，漏检很多。高召回低精度，说明模型很激进，预测了很多框，但其中误报（把背景当目标）也很多。你可以通过调整预测时的置信度阈值（--conf-thres，默认0.25）来调整这个平衡。提高阈值会提升精度但降低召回，反之亦然。
3. 查看混淆矩阵：打开生成的confusion_matrix.png。对角线上的亮色表示分类正确。如果发现某个类别（如类别1“香蕉”）经常被误判为另一个类别（如类别0“苹果”），说明这两个类别在视觉上可能比较相似，模型难以区分。你需要检查这两类物体的图片，看看是否真的容易混淆，并考虑收集更多有区分度的样本。

6.3 过拟合与欠拟合的判断

• 过拟合：模型在训练集上表现极好（损失很低，精度很高），但在验证集上表现很差。在results.png中表现为训练损失持续下降，验证损失在某个点后开始上升。对策：收集更多训练数据；加强数据增强；使用模型正则化技术（如DropOut，但YOLO结构已内置）；尝试更小的模型；减少训练轮数（早停）。
• 欠拟合：模型在训练集和验证集上的表现都不好（损失高，精度低）。在results.png中表现为训练损失和验证损失都下降得很慢或很早就停滞了。对策：增加模型复杂度（换用更大的YOLOv5模型，如m或l）；减少数据增强（如果增强过于激进可能破坏了原始信息）；增加训练轮数；检查数据标注是否有大量错误。

7. 模型推理与应用：让你的模型“干活儿”

模型评估合格后，就可以投入实际使用了。YOLOv5的detect.py脚本让推理变得非常简单。

7.1 对单张图片、批量图片、视频和摄像头进行检测

# 检测单张图片 python detect.py --weights runs/train/my_first_train/weights/best.pt --source path/to/your/test_image.jpg --conf 0.5 # 检测一个文件夹下的所有图片 python detect.py --weights runs/train/my_first_train/weights/best.pt --source path/to/image_folder/ --conf 0.5 # 检测视频文件 python detect.py --weights runs/train/my_first_train/weights/best.pt --source path/to/video.mp4 --conf 0.5 # 使用摄像头（默认摄像头索引为0） python detect.py --weights runs/train/my_first_train/weights/best.pt --source 0 --conf 0.5

• --weights：指定训练好的模型。
• --source：指定输入源，可以是图片路径、文件夹路径、视频路径、摄像头索引、甚至是URL。
• --conf：置信度阈值。高于此阈值的检测框才会被显示。你可以根据之前评估的精度-召回率情况调整这个值。如果误报多，就调高（如0.6）；如果漏检多，就调低（如0.3）。
• --save-txt：加上这个参数，会将检测结果（类别、坐标）保存为YOLO格式的txt文件，便于后续分析。
• --save-conf：保存结果时，同时保存每个检测框的置信度。

检测结果默认会保存在runs/detect/exp（或exp2,exp3...）目录下。图片和视频上会画出检测框并标出类别和置信度。

7.2 推理结果解析与后处理

detect.py运行后，除了保存可视化图像，还会在终端打印检测结果摘要。对于更程序化的应用，你通常需要直接获取检测框数据。这时，最好的方式是直接调用YOLOv5的模型API，而不是通过命令行脚本。下面是一个简单的Python示例：

import torch import cv2 # 加载自定义模型 model = torch.hub.load('ultralytics/yolov5', 'custom', path='runs/train/my_first_train/weights/best.pt', force_reload=True) # 或者使用本地代码 # from models.experimental import attempt_load # model = attempt_load('runs/train/my_first_train/weights/best.pt') # 设置模型参数 model.conf = 0.5 # 置信度阈值 model.iou = 0.45 # NMS的IoU阈值 # 读取图片 img = cv2.imread('path/to/your/image.jpg') # 进行推理 results = model(img) # 解析结果 predictions = results.pandas().xyxy[0] # 转换为Pandas DataFrame，格式为 (xmin, ymin, xmax, ymax, confidence, class, name) print(predictions) # 遍历每一个检测到的目标 for index, row in predictions.iterrows(): x1, y1, x2, y2 = int(row['xmin']), int(row['ymin']), int(row['xmax']), int(row['ymax']) confidence = row['confidence'] class_name = row['name'] print(f"Detected {class_name} with confidence {confidence:.2f} at [{x1}, {y1}, {x2}, {y2}]") # 你可以在这里画框，或者将坐标信息发送给其他程序 # 直接显示带结果的结果图片 results.show() # 或者保存 results.save('output.jpg')

这段代码展示了如何加载模型、设置参数、进行推理并获取结构化的检测结果。results.xyxy[0]返回的是一个Tensor，而results.pandas().xyxy[0]将其转为更易处理的DataFrame。你可以轻松地集成这个流程到你的Python项目中。

8. 常见问题与避坑指南实录

在实际操作中，你几乎一定会遇到一些问题。这里我整理了一些最常见的问题和解决方法，这些都是我踩过坑后总结的经验。

8.1 环境与依赖问题

• 问题：ImportError: libGL.so.1: cannot open shared object file(Linux)

  • 原因：OpenCV的GUI依赖库缺失。
  • 解决：安装系统库：sudo apt-get update && sudo apt-get install libgl1-mesa-glx。

• 问题：训练时出现CUDA out of memory

  • 原因：批处理大小或图片尺寸太大，超出GPU显存。
  • 解决：
    1. 减小--batch-size（如从16降到8）。
    2. 减小--img-size（如从640降到416）。
    3. 使用更小的模型（从yolov5s.yaml换成yolov5n.yaml）。
    4. 使用梯度累积--accumulate 2，这会在内部累积2个批次的梯度再更新一次权重，模拟更大的batch size但显存占用不变。
    5. 在train.py中尝试启用--multi-scale训练，但这对显存帮助有限。

• 问题：ModuleNotFoundError: No module named ‘torch’或其他包找不到

  • 原因：没有在正确的conda虚拟环境中，或者依赖没有安装完整。
  • 解决：确保已使用conda activate yolov5激活环境，并重新运行pip install -r requirements.txt。

8.2 数据与训练问题

• 问题：训练时损失（loss）为NaN或突然变得巨大

  • 原因：
    1. 学习率设置过高。这是最常见的原因。
    2. 数据标注有严重错误，例如坐标超出了[0,1]的范围。
    3. 数据集中存在损坏的图片文件。
  • 解决：
    1. 尝试大幅降低学习率--lr0，例如从0.01降到0.001。
    2. 仔细检查你的标签文件（.txt），确保所有坐标值都在0到1之间。写个脚本批量检查。
    3. 检查图片文件是否能正常打开。可以用OpenCV批量读取一下。

• 问题：训练了很久，mAP一直很低（比如低于0.3）

  • 原因：
    1. 数据量太少，模型学不到有效特征。
    2. 数据标注质量差，框不准或类别标错。
    3. 类别不平衡，某个类别的样本极少。
    4. 选择的预训练权重与任务差异太大（但用COCO预训练权重做下游任务通常没问题）。
  • 解决：
    1. 增加每个类别的数据量，至少几百张。
    2. 重新审查和修正标注，特别是边界框是否紧密贴合目标。
    3. 对样本少的类别进行过采样，或者使用数据增强专门为这些类别生成更多样本。
    4. 可以尝试从零开始训练（--weights ‘’），但需要更多数据和epoch，且效果通常不如迁移学习。

• 问题：模型预测时置信度普遍很低

  • 原因：训练可能不充分，或者训练数据和测试数据分布差异太大（例如训练集是白天的图，测试集是夜晚的图）。
  • 解决：
    1. 增加训练轮数--epochs。
    2. 检查并确保训练时数据增强是开启的（默认是开的），这能提升模型鲁棒性。
    3. 收集与测试环境更接近的训练数据。

8.3 推理与应用问题

• 问题：检测速度很慢

  • 原因：
    1. 使用了过大的模型（如yolov5x.pt）。
    2. 推理图片尺寸--img-size设置得过大。
    3. 在CPU上运行。
  • 解决：
    1. 换用更小的模型（s或n）。
    2. 减小推理尺寸，如--img 416。注意，训练和推理的尺寸可以不同，但性能可能会轻微下降。
    3. 确保PyTorch安装了CUDA版本，并且推理时在使用GPU。在代码中，可以通过model.to(‘cuda’)将模型放到GPU上。

• 问题：同一个目标被重复检测出多个框

  • 原因：非极大值抑制（NMS）的阈值--iou-thres设置得过高。
  • 解决：NMS用于合并重叠的框。默认值是0.45。如果同一个目标出现多个框，可以适当降低这个值（如0.3），让合并更激进。在detect.py中使用--iou 0.3。

训练自己的YOLOv5模型就像完成一个精密的实验，每一步的细节都影响着最终的结果。从环境配置的小心翼翼，到数据标注的枯燥繁琐，再到看到损失曲线下降、mAP上升时的兴奋，最后到模型成功识别出目标的成就感，这个过程本身就是对AI应用最生动的理解。我个人的体会是，前期数据工作的质量决定了模型性能的上限，而耐心的调参和问题排查则是达到这个上限的保证。不要害怕出错，终端里红色的报错信息是你最好的老师；也不要迷信参数，多动手实验，用验证集指标说话。当你跑通整个流程后，你会发现，让AI“看见”并“理解”你的世界，并没有想象中那么遥远。