YOLOv5目标检测入门实战：从数据准备到模型部署全流程详解

1. 从零到一：为什么选择YOLOv5作为你的第一个目标检测项目？

如果你刚刚接触计算机视觉，或者对“目标检测”这个词还停留在概念阶段，想找一个能快速上手、看到实际效果的项目，那么YOLOv5绝对是你绕不开的起点。我见过太多新手，一开始就被复杂的理论、庞大的代码库和繁琐的环境配置劝退，最后项目还没开始就放弃了。YOLOv5的出现，很大程度上改变了这个局面。它不像一些学术界的模型那样，把代码写得像天书，而是真正考虑到了开发者和研究者的实际使用体验。

简单来说，YOLOv5是一个用于“目标检测”的深度学习模型。所谓目标检测，就是让计算机不仅能认出图片里有什么（分类），还能用一个框（Bounding Box）精准地标出这个东西在图片的哪个位置。比如，让摄像头识别路口的行人和车辆，或者让工厂的质检系统找出产品表面的瑕疵。YOLOv5的核心优势在于它的“快”和“易用”。它的名字“YOLO”（You Only Look Once）就揭示了其单阶段检测的哲学：只看一次图片，就能同时预测出所有目标的位置和类别，这使得它的推理速度非常快，能满足很多实时应用的需求。

那么，为什么特别推荐新手从YOLOv5开始呢？首先，它的代码库（GitHub上的ultralytics/yolov5）组织得非常清晰，文档也相对完善。从数据准备、模型训练到模型导出，整个流程都被封装成了易于调用的脚本和函数。你不需要从零开始写数据加载器，也不需要手动实现复杂的损失函数，这些“脏活累活”框架都帮你做好了。其次，它的社区生态极其活跃。你在训练过程中遇到的几乎任何问题，比如环境报错、显存不足、指标异常，几乎都能在GitHub的Issues里找到相似的讨论和解决方案。这种强大的社区支持，对新手来说是无比宝贵的。

更重要的是，YOLOv5对“自己的数据集”非常友好。你不需要你的数据格式必须和COCO或VOC这些大型公开数据集一模一样。它提供了一套简单的工具，让你能轻松地将自己标注的图片（比如用LabelImg标注的）转换成它需要的格式。这意味着你可以很快地将模型应用到你自己关心的领域，比如识别特定的商品、检测生产线上的零件，或者统计花园里某种昆虫的数量。这种“学以致用”的即时反馈，是保持学习动力的关键。

很多人会问，现在YOLOv8、YOLOv9甚至更快的模型都出来了，为什么还要学YOLOv5？我的看法是，对于入门而言，模型的“新”远不如“稳”和“资料多”重要。YOLOv5经过多年的迭代，是一个非常稳定、成熟的版本，相关的教程、博客、视频可以说是汗牛充栋。你踩的每一个坑，前面都有无数人踩过并填平了。先掌握YOLOv5，理解了数据准备、训练流程、参数调优这一整套方法论之后，你再迁移到v8、v9或者其他模型，会感觉非常顺畅，因为底层逻辑是相通的。直接上手最新版，你可能会被其新增的特性和变动搞得晕头转向。

所以，如果你是一个新手小白，想亲手训练一个能识别特定目标的AI模型，体验从数据标注到模型部署的完整流程，那么跟着我一步步操作，用YOLOv5训练你自己的数据集，就是最直接、最有效的入门方式。这个过程看似复杂，但一旦打通，你会发现它就像一套固定的“流水线”，掌握之后便可反复复用。

2. 训练前的基石：如何准备一份合格的“教材”数据集？

在开始训练模型之前，我们必须准备好“教材”，也就是数据集。模型所有的“知识”都来源于此，数据集的质量直接决定了模型性能的天花板。很多新手训练效果不好，八成问题都出在数据集上。这一章，我们就来彻底搞清楚，一份能让YOLOv5“学得好”的数据集，到底该怎么准备。

2.1 数据收集：不是越多越好，而是要“对”

首先，你需要收集图片。这些图片应该尽可能贴近你模型未来要应用的真实场景。如果你想做一个检测车间安全帽的模型，那么你的图片就应该是在车间环境下拍摄的，光照、角度、背景都要有代表性。直接从网上下载一些摆拍的安全帽图片，训练出的模型在真实车间里很可能“失灵”。

数量要求：对于YOLOv5这样的模型，每个类别（比如“安全帽”、“行人”、“狗”）至少需要准备几百张图片。如果目标本身变化不大（比如总是同一种样式的安全帽），几百张可能就够了。如果目标形态、大小、颜色变化多端（比如不同品种、不同姿态的狗），那么就需要上千张甚至更多。一个实用的起步建议是，每个类别准备500-1000张图片。不必一开始就追求数万张，可以先用小数据集跑通流程，看到初步效果后再迭代补充。

多样性是关键：你的图片要覆盖各种情况。包括：不同的光照条件（白天、夜晚、逆光）、不同的拍摄角度（俯视、平视、侧视）、目标的不同尺度（远距离小目标、近距离大目标）、目标的不同姿态（完整、部分遮挡、严重遮挡），以及不同的背景。多样性不足的数据集，会导致模型“过拟合”，即只在你的训练图片上表现好，换一个新场景就抓瞎。

2.2 数据标注：给模型划重点

收集好图片后，就要进行标注，也就是告诉模型，图片里哪里是我们感兴趣的目标。YOLOv5需要的是YOLO格式的标注文件。推荐使用LabelImg这个开源工具，它简单直观，非常适合新手。

1. 安装LabelImg：可以通过pip安装：pip install labelimg，然后在命令行输入labelimg即可打开。
2. 标注过程：用LabelImg打开图片，用矩形框（快捷键w）框住目标物体，然后输入类别名称（如“helmet”）。框的位置要尽可能紧密地贴合目标物体。
3. 保存格式：在LabelImg中，将保存格式设置为“YOLO”。这样，每标注一张图片，除了原始的.jpg文件，还会生成一个同名的.txt标注文件。

这个.txt文件的内容就是YOLO格式的核心。我们来看一个例子：假设图片尺寸是640x480，你在图片上框出了一个目标，这个框的左上角坐标是(100, 200)，右下角坐标是(300, 400)，类别是“dog”（假设你在classes.txt里定义的类别索引是0）。

• 首先，计算框的中心点坐标和宽高（归一化到0-1之间）：
  • 中心点x坐标 = (100 + 300) / 2 / 640 = 400 / 2 / 640 = 200 / 640 = 0.3125
  • 中心点y坐标 = (200 + 400) / 2 / 480 = 600 / 2 / 480 = 300 / 480 = 0.625
  • 宽度 = (300 - 100) / 640 = 200 / 640 = 0.3125
  • 高度 = (400 - 200) / 480 = 200 / 480 = 0.4167
• 那么，这个.txt文件里就会有一行：0 0.3125 0.625 0.3125 0.4167

每一行代表一个目标物体，格式为：<class_id> <x_center> <y_center> <width> <height>。这就是模型要学习的“标准答案”。

注意：标注质量至关重要。框要准，不能太大或太小；类别要对，不能标错。混乱的标注等于教给模型错误的知识，练得越久，错得越离谱。

2.3 数据集组织：让YOLOv5找得到“课本”

YOLOv5对数据集的目录结构有明确要求。一个规范的结构能避免很多路径错误。假设你的项目根目录叫yolov5_project，推荐按如下方式组织：

yolov5_project/ ├── yolov5/ # 从GitHub克隆的YOLOv5官方代码仓库 └── datasets/ └── my_custom_dataset/ # 你的自定义数据集文件夹 ├── images/ │ ├── train/ # 训练集图片 │ │ ├── image1.jpg │ │ └── ... │ └── val/ # 验证集图片 │ ├── image100.jpg │ └── ... └── labels/ ├── train/ # 训练集标注文件 (与图片同名，.txt格式) │ ├── image1.txt │ └── ... └── val/ # 验证集标注文件 ├── image100.txt └── ...

为什么需要训练集和验证集？训练集（train）是用来教模型学习的“课本”。验证集（val）是用来定期考试，检查模型学得怎么样的“模拟卷”。我们不能用“课本”来考试，那样无法检验模型是否真的学会了泛化能力。通常，我们可以按8:2或7:3的比例，随机将总数据集划分为训练集和验证集。

2.4 创建数据集配置文件

最后，我们需要创建一个数据集配置文件（.yaml文件），告诉YOLOv5我们的数据集在哪、有哪些类别。在yolov5/data/目录下（或者在你自己的项目目录里），创建一个文件，例如my_dataset.yaml，内容如下：

# 数据集配置文件：my_dataset.yaml # 训练和验证图像的路径（相对于YOLOv5代码的根目录） train: ../datasets/my_custom_dataset/images/train/ val: ../datasets/my_custom_dataset/images/val/ # 类别数量 nc: 3 # 例如，你有3个类别：人、车、狗 # 类别名称列表 names: ['person', 'car', 'dog']

这个文件是连接你的数据和训练脚本的桥梁。路径一定要写对，否则训练时会报“找不到图片”的错误。到这一步，一份合格的“教材”就准备好了。这个过程可能有些枯燥，但请务必耐心、仔细。在数据上多花一小时，可能在调参上能省下一天。

3. 搭建训练环境：避开Win10/Mac/Linux上的那些“坑”

环境搭建是新手遇到的第一个实战关卡，网络上教程很多，但往往因为系统、显卡、Python版本等差异，导致“一看就会，一装就废”。这里，我将以最常用的Windows 10系统为例，带你走一遍最稳妥的流程，并指出关键陷阱。

3.1 基础环境准备：Python与Conda

首先，我们需要一个独立的Python环境。强烈建议使用Anaconda或Miniconda来管理环境，它可以避免不同项目间的包版本冲突。

1. 安装Conda：去Anaconda官网下载并安装适合你系统的版本。安装时记得勾选“Add Anaconda to my PATH environment variable”（将Anaconda添加到环境变量），这能避免后续很多命令找不到的问题。
2. 创建虚拟环境：打开Anaconda Prompt（Windows）或终端（Mac/Linux），执行以下命令创建一个名为yolov5的Python 3.8环境（Python 3.8是经过大量验证与YOLOv5兼容性较好的版本）：

   conda create -n yolov5 python=3.8

   激活这个环境：

   conda activate yolov5

   你会看到命令行提示符前面从(base)变成了(yolov5)，表示你已经在这个独立环境中了。

3.2 核心依赖：PyTorch与CUDA

这是最关键也最容易出错的一步。YOLOv5基于PyTorch框架，而PyTorch如果需要GPU加速，就必须和CUDA（NVIDIA显卡的并行计算平台）版本匹配。

1. 确认你的显卡和CUDA驱动：在命令行输入nvidia-smi。顶部会显示你的CUDA Driver Version（CUDA驱动版本）。例如，显示CUDA Version: 11.4。记住这个数字，它决定了你能安装的最高CUDA Toolkit版本。
2. 去PyTorch官网获取安装命令：打开PyTorch官网（pytorch.org），使用它的安装命令生成器。
   • PyTorch Build: 选择Stable (稳定版)。
   • Your OS: 选择你的操作系统。
   • Package: 选择Conda（因为我们用Conda环境）。
   • Language: 选择Python。
   • Compute Platform:这里要小心！如果你的nvidia-smi显示的CUDA版本是11.4，那么这里应该选择CUDA 11.3。这是因为PyTorch通常滞后于CUDA驱动版本，且CUDA Toolkit版本（这里选的）可以低于驱动版本。选择CUDA 11.3是最兼容的选择。如果你没有NVIDIA显卡，就选择CPU。
3. 执行安装命令：官网会生成类似下面的命令。在你的(yolov5)环境中执行它。

   # 例如，对于CUDA 11.3 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

   这个过程会下载不少东西，请保持网络通畅。

踩坑实录：最常见的问题就是PyTorch装完，训练时发现还在用CPU，或者直接报CUDA错误。90%的原因都是PyTorch版本和CUDA版本不匹配。安装完成后，务必在Python中验证：

import torch print(torch.__version__) # 打印PyTorch版本 print(torch.cuda.is_available()) # 打印True才说明GPU可用 print(torch.cuda.get_device_name(0)) # 打印你的显卡型号

如果torch.cuda.is_available()返回False，请检查上述步骤，尤其是CUDA版本的选择。

3.3 获取YOLOv5代码与安装剩余依赖

1. 克隆代码：在你想存放项目的目录下，打开命令行（确保在yolov5环境中），使用Git克隆官方仓库：

   git clone https://github.com/ultralytics/yolov5 cd yolov5

   如果网络不好，也可以直接在GitHub页面下载ZIP包并解压。
2. 安装项目依赖：YOLOv5项目根目录下有一个requirements.txt文件，列出了所有需要的Python包。使用pip安装：

   pip install -r requirements.txt

   这个命令会自动安装OpenCV-Python、Matplotlib、Pandas等所有必要的库。

3.4 验证环境：跑一个官方Demo

在投入自己的数据之前，最好用官方预训练模型和示例数据验证一下整个环境是否工作正常。这能帮你排除环境问题，确保后续步骤的顺利。

1. 下载预训练模型：YOLOv5提供了从轻量级到高精度的一系列预训练模型（如yolov5s.pt, yolov5m.pt等）。我们可以用代码自动下载最小的yolov5s.pt，但也可以手动从GitHub Release页面下载，放到项目根目录。
2. 运行检测脚本：在项目根目录下执行：

   python detect.py --source data/images --weights yolov5s.pt --conf 0.25

   • --source: 指定输入源，这里使用自带的示例图片。
   • --weights: 指定模型权重文件。
   • --conf: 置信度阈值，低于此值的目标将被过滤掉。
3. 查看结果：运行结束后，结果会保存在runs/detect/exp目录下。打开里面的图片，如果能看到模型成功检测出人、自行车、汽车等目标并用框标出，那么恭喜你，环境搭建成功！

至此，你的“炼丹炉”已经架设完毕，并且通过了点火测试。接下来，我们就可以放入自己的“药材”（数据），开始真正的训练了。

4. 启动训练与参数解析：看懂每一行命令在做什么

环境就绪，数据备好，现在来到了最激动人心的环节：启动训练。很多新手只是机械地复制粘贴命令，却不知道每个参数背后的含义，导致出问题时无从下手。这一章，我们就来拆解训练命令，让你不仅会跑，更懂为什么这么跑。

4.1 最小化启动命令

最基本的训练命令如下所示。假设你的数据集配置文件是my_dataset.yaml，你希望使用轻量级的yolov5s.pt模型作为起点进行训练（这称为“迁移学习”，能大大加快训练速度并提升效果），训练100个周期（epoch）。

python train.py --img 640 --batch 16 --epochs 100 --data my_dataset.yaml --weights yolov5s.pt

我们来逐一解析这些核心参数：

• --img 640: 这是输入图片的尺寸。YOLOv5在训练前会将所有图片统一缩放到这个尺寸（长边缩放到640，短边按比例缩放，然后进行填充）。为什么是640？这是一个在速度和精度之间取得较好平衡的默认值。增大尺寸（如1280）可以提升对小目标的检测能力，但会显著增加显存消耗和训练时间。减小尺寸（如320）则相反。对于新手，首次训练建议保持640。
• --batch 16: 批处理大小（Batch Size）。即每次迭代送入模型训练的图片数量。这个参数至关重要，它直接受你的显卡显存（GPU Memory）限制。如果设置太大，会报“CUDA out of memory”错误。对于一张8GB显存的消费级显卡（如RTX 3070），--batch 16通常是安全的。如果你的显存更小（如6GB），可能需要降低到8或4。你可以先尝试16，如果报错，再逐步减半。
• --epochs 100: 训练周期数。模型会完整地遍历整个训练集100次。太少可能学不够，太多可能导致过拟合（在训练集上表现很好，在验证集上变差）。100是一个常用的起始值，你可以通过观察后续的评估指标来决定是否需要增加。
• --data my_dataset.yaml: 指定我们上一章创建的数据集配置文件路径。确保路径正确。
• --weights yolov5s.pt: 指定预训练权重。这里我们使用在COCO数据集上预训练过的yolov5s.pt（s代表small）。从预训练模型开始，相当于让模型已经有了识别通用物体（边、角、纹理等）的基础能力，我们只需要教它识别我们的特定类别，这比从零开始训练快得多、好得多。

4.2 训练过程监控与输出解读

当你按下回车，训练就开始了。控制台会刷出大量信息，别被吓到，我们需要关注的是以下几类：

1. 硬件与资源信息：一开始会显示GPU型号、CUDA是否可用、批处理大小等。确认GPU被正确使用。
2. 数据集信息：会显示加载的类别名称和数量，检查是否正确。
3. 训练进度条：显示当前epoch的进度。每个epoch结束后，会打印一系列评估指标。
4. 关键指标解读（重中之重）：
   • box_loss,obj_loss,cls_loss: 这是三个损失函数的值，它们应该在训练过程中总体呈下降趋势。损失值越低，说明模型的预测越接近真实标注。如果损失剧烈波动或上升，说明学习率可能设置不当或数据有问题。
   • metrics/mAP_0.5和metrics/mAP_0.5:0.95：这是衡量模型性能的核心指标。
     • mAP_0.5：当交并比（IoU，预测框和真实框的重叠程度）阈值为0.5时的平均精度（mean Average Precision）。这个值越高越好，通常能达到0.8甚至0.9以上就非常不错了。
     • mAP_0.5:0.95：在IoU阈值从0.5到0.95（步长0.05）区间内，计算的平均mAP。这是一个更严格的指标，因为它要求预测框定位更精准。这个值通常会低很多，它的上升更能体现模型定位能力的提升。
   • val/box_loss等：这是在验证集上计算的损失，用于监控模型是否过拟合。理想情况下，训练损失和验证损失应该同步下降。如果训练损失持续下降，但验证损失停止下降甚至开始上升，这就是典型的过拟合信号，意味着模型只记住了训练数据，而没有学会泛化。

4.3 重要进阶参数与调优初探

当你跑通第一次训练后，可以尝试调整一些参数来提升效果：

• --workers 8: 数据加载的进程数。可以加快数据从硬盘读到内存的速度。通常设置为CPU核心数。如果训练时出现内存错误，可以尝试降低此值。
• --cache: 可选ram或disk。将数据集缓存到内存或磁盘，可以极大加速训练，尤其是当你的图片很多时。但需要足够大的内存。
• --hyp data/hyps/hyp.scratch-low.yaml: 指定超参数配置文件。YOLOv5提供了一些预设的超参数组合（如针对低数据量的hyp.scratch-low.yaml）。超参数包括学习率、动量、权重衰减等，是控制模型学习行为的“旋钮”。新手可以先使用默认值，等有了经验再尝试微调。
• --resume: 如果训练意外中断（比如断电），你可以使用这个参数接续上一次的训练。例如--resume runs/train/exp/weights/last.pt，它会从上次保存的最后一个权重继续训练。

实操心得：第一次训练时，我建议先用小批量数据（比如每个类别50张图）和较少的epoch（如20-30）跑一个“快速实验”。这能在几分钟到一小时内完成，目的是验证整个数据管道和训练流程是否畅通，避免在错误配置上浪费几个小时甚至几天时间。确认流程无误后，再用全量数据和更多epoch进行正式训练。

训练开始后，YOLOv5会在runs/train/目录下自动创建一个新的实验文件夹（如exp,exp2…）。里面包含了训练过程中所有的宝贵资料：模型权重文件（weights/best.pt是验证集上表现最好的，weights/last.pt是最后一个epoch的）、损失曲线和指标曲线图、验证集的检测结果示例等等。这些是你分析和改进模型的重要依据。

5. 模型评估与性能分析：你的模型真的“学会”了吗？

训练完成后，我们得到的best.pt文件就是最终的模型。但是，训练结束并不意味着万事大吉。我们必须客观地评估这个模型，弄清楚它到底学得怎么样，哪里强，哪里弱。这一章，我们就来学习如何解读训练结果，并使用工具对模型进行全面的“体检”。

5.1 可视化训练日志：从曲线中发现问题

训练过程中生成的各种图表是诊断模型健康状况的第一手资料。打开runs/train/exp目录（假设你的实验文件夹是exp），你会找到几个关键的.png图像文件：

1. results.png：这是最重要的综合报告。它通常包含多个子图：
   • 损失曲线（Train/Validation Box, Object, Classification Loss）：观察三条损失曲线是否平滑下降。如果验证损失在某个点后开始上升，而训练损失持续下降，这是过拟合的明确信号。此时应该考虑提前停止训练、增加数据增强的强度，或者为模型添加正则化（如Dropout）。
   • 精度/召回率曲线（Precision-Recall Curve）：对于每个类别，都会有一条P-R曲线。曲线下的面积越大，说明模型在该类别上的性能越好。如果某个类别的曲线非常靠近左下角，说明模型很难检测出这个类别，可能需要补充更多该类别的训练样本。
   • mAP曲线（mAP@0.5, mAP@0.5:0.95）：观察这两个指标随训练epoch的变化。理想情况下，它们应该稳步上升并最终趋于平稳。如果mAP在后期波动很大，可能是学习率设置过高。
2. confusion_matrix.png：混淆矩阵。这个矩阵揭示了模型最容易混淆哪些类别。比如，矩阵中“猫”的行和“狗”的列如果有一个较高的值，说明模型经常把猫误认为狗，反之亦然。这提示我们，可能需要收集更多能清晰区分这两个类别的样本，或者在标注时确保边界更清晰。
3. val_batchX_labels.jpg和val_batchX_pred.jpg：这些是验证集批次的可视化结果。_labels.jpg显示的是真实标注（Ground Truth），_pred.jpg显示的是模型的预测结果。通过对比，你可以直观地看到模型漏检了哪些目标（False Negative）、错误地检测了哪些不存在的目标（False Positive），以及定位是否准确。

5.2 使用验证脚本进行定量评估

训练脚本在最后会自动在验证集上评估一次。但我们也可以手动运行评估脚本，以获得更详细或在不同设置下的指标。使用val.py脚本：

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

这个命令会加载我们训练好的最佳模型（best.pt），在验证集上重新跑一遍评估，并输出详细的性能指标表格。你会看到每个类别的精确率（Precision）、召回率（Recall）、mAP@0.5和mAP@0.5:0.95。

• 精确率（Precision）：模型预测为正的样本中，真正为正的比例。高精确率意味着模型“很谨慎”，它说有目标，那很可能真的有。但可能会漏掉一些目标。
• 召回率（Recall）：所有真实为正的样本中，被模型正确预测出来的比例。高召回率意味着模型“很敏感”，它能找出大部分目标。但可能会把一些背景误认为目标。

通常，我们需要在精确率和召回率之间进行权衡。通过调整预测时的置信度阈值（--conf参数）可以调节这个平衡：提高阈值，模型会更“谨慎”，精确率上升，召回率下降；降低阈值，模型会更“敏感”，召回率上升，精确率下降。

5.3 在真实场景中测试：定性分析

定量指标很重要，但最终模型是要用在真实场景中的。因此，用一些训练集和验证集之外的“新图片”进行测试至关重要。

使用detect.py脚本，用你自己的模型对任意图片或视频进行推理：

python detect.py --source path/to/your/test_image.jpg --weights runs/train/exp/weights/best.pt --conf 0.25 --save-txt

• --source: 可以是一张图片、一个包含图片的文件夹、一个视频文件，甚至是摄像头（0代表电脑默认摄像头）。
• --conf: 置信度阈值。你可以尝试调整（如0.4, 0.5），观察检测结果的变化，为你的应用场景选择一个最合适的值。
• --save-txt: 将检测结果（类别、位置）保存为YOLO格式的txt文件，便于后续分析或处理。

测试时重点观察什么？

1. 漏检（False Negative）：图片里明明有目标，模型却没检测出来。可能原因：目标太小、太模糊、遮挡严重，或者训练数据中此类样本不足。
2. 误检（False Positive）：图片里没有目标，模型却误报了一个框。可能原因：背景中有与目标相似的纹理或形状。
3. 定位不准：框的位置和大小与真实物体偏差较大。可能原因：目标形状不规则，或者数据标注的框本身就不够精确。

通过这种定性的“肉眼检查”，你能发现很多定量指标无法反映的问题，从而明确下一步改进的方向：是回去补充数据？还是调整数据增强策略？或者是修改模型结构？

6. 模型导出与应用：让你的模型“跑起来”

训练出一个指标不错的模型，只是完成了上半场。下半场是如何将这个模型部署到实际的应用环境中，比如变成一个可以处理视频流的服务，或者集成到手机App、嵌入式设备里。YOLOv5提供了非常便捷的模型导出功能，支持多种运行时格式。

6.1 为什么要导出模型？

我们训练保存的.pt文件是PyTorch的模型权重和结构文件，它依赖于PyTorch环境才能运行。在实际部署中，我们往往希望：

• 脱离Python环境：在C++、Java等环境中调用。
• 提升推理速度：使用专门的推理引擎进行优化。
• 减少依赖：模型文件更小，加载更快。

因此，我们需要将PyTorch模型转换为其他更通用的格式。

6.2 导出为ONNX格式

ONNX（Open Neural Network Exchange）是一个开放的模型格式标准，被众多推理引擎支持（如TensorRT, OpenVINO, ONNX Runtime等）。导出ONNX通常是部署的第一步。

python export.py --weights runs/train/exp/weights/best.pt --include onnx --img 640 --batch 1 --dynamic

• --weights: 指定训练好的模型。
• --include onnx: 指定导出格式为ONNX。
• --img 640: 指定输入图片的尺寸，必须与训练时一致或兼容。
• --batch 1: 指定批处理大小。部署时通常为1（单张图片推理）。你也可以指定一个固定值（如--batch 32）以获得更优的静态图性能。
• --dynamic: 允许导出的模型接受动态的批处理大小和图片尺寸。这增加了灵活性，但某些推理引擎对动态尺寸支持不好。如果确定部署环境的输入尺寸固定，可以不加此参数以获得更好性能。

执行成功后，你会得到一个best.onnx文件。你可以使用Netron（一个开源模型可视化工具）打开这个文件，查看模型的计算图结构。

6.3 导出为TensorRT引擎（针对NVIDIA GPU）

如果你在NVIDIA的GPU上部署，并且追求极致的推理速度，那么TensorRT是不二之选。TensorRT会对模型进行图优化、层融合、精度校准（FP16/INT8），大幅提升效率。

YOLOv5的export.py脚本也支持直接导出为TensorRT的引擎文件（.engine），但这个过程通常需要先导出ONNX，再用TensorRT的转换工具进行转换。更简单的方式是使用YOLOv5内置的TensorRT支持（需要提前安装TensorRT）：

python export.py --weights runs/train/exp/weights/best.pt --include engine --img 640 --batch 1

注意：TensorRT的安装和配置相对复杂，涉及CUDA、cuDNN、TensorRT多个组件的版本匹配。对于新手，可以先将ONNX模型部署到ONNX Runtime上，这是一个更简单、跨平台的选择。

6.4 简单的推理示例：使用导出的ONNX模型

导出的模型可以脱离原始的YOLOv5训练代码运行。这里给出一个使用Python和ONNX Runtime进行推理的极简示例：

import cv2 import numpy as np import onnxruntime as ort # 1. 加载ONNX模型 session = ort.InferenceSession('best.onnx', providers=['CUDAExecutionProvider', 'CPUExecutionProvider']) # 获取输入输出信息 input_name = session.get_inputs()[0].name output_name = session.get_outputs()[0].name # 2. 准备输入图像 img = cv2.imread('test.jpg') # 预处理：缩放、归一化、转换通道顺序 (HWC to CHW) img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized = cv2.resize(img_rgb, (640, 640)) input_img = img_resized.transpose(2, 0, 1).astype(np.float32) / 255.0 # HWC to CHW, 归一化 input_img = np.expand_dims(input_img, axis=0) # 添加批次维度: (1, 3, 640, 640) # 3. 运行推理 outputs = session.run([output_name], {input_name: input_img})[0] # outputs形状: (1, 25200, 85) # 4. 后处理（解析outputs，应用置信度阈值和NMS非极大值抑制） # 这里省略了复杂的后处理代码，YOLOv5官方提供了详细的示例。 # 后处理的目的是从outputs中提取出最终的框、置信度和类别。 # 5. 将检测框画回原图 # ... (后处理得到boxes, scores, class_ids) # for box in boxes: # x1, y1, x2, y2 = box # cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) # cv2.imshow('Result', img) # cv2.waitKey(0)

这个示例展示了核心流程：加载模型、预处理图像、运行推理、后处理结果。后处理部分（将模型输出的密集预测解码成具体的框）是YOLO系列模型推理中的关键步骤，涉及置信度过滤和NMS算法，代码相对固定但较长，你可以参考YOLOv5官方detect.py或models/common.py中的相关函数。

6.5 部署思路拓展

有了ONNX模型，你的部署选项就非常丰富了：

• 服务器端（Python）：使用ONNX Runtime或TensorRT提供高性能的API服务（如FastAPI）。
• 服务器端（C++）：使用ONNX Runtime C++ API或TensorRT C++ API，获得更高的性能和更低的延迟。
• 移动端/边缘设备：将ONNX模型转换为相应平台支持的格式，如使用NCNN（手机端）、MNN或TFLite，在安卓/iOS或树莓派等设备上运行。
• Web端：甚至可以通过ONNX.js在浏览器中运行模型。

从训练到部署的完整闭环，是AI项目产生实际价值的关键一步。虽然每一步都有细节需要打磨，但YOLOv5已经为我们铺平了大部分道路。当你亲手训练的模型成功在某个真实场景中识别出目标时，那种成就感是无与伦比的。这不仅仅是学会了一个工具，更是掌握了将想法变为现实的能力。