徐静

不需要对原repo进行任何修改，也支持Pytorch 1.3和torchvision0.4.1

请参考： 或

1. 按照我代码的顺序执行，注意修改里边的路径，改成自己数据集的路径。 2. 标注的元数据完全遵循VOC格式，其目录结构如下： ``` |----./data |---- JPEGImages # 存放的是图像 |---- 0001.jpg |----0002.jpg ...... |---- Annotations # 存放的是图像对应的xml数据 |----001.xml |----002.xml ...... ``` 如果还是不是很清楚，可以参考VOC数据集

每一个txt都是以图片名称命名的，每个txt内存放了该image的标注信息，如果不明白，可以参考我另一个YOLO v3的repo , 那里对数据及也有介绍

没有目标的图像，不需要生成txt标注，YOLO v5训练过程因使用了Focal Loss,支持输入batch的图像中不包含任何待检测目标。这部分没有目标的图像将作为负样本进行采样！

tensorboard.....

检查你的检测类别名称的修改，是否正确，这句error提示在获取所有的检测类别的label name时出现了错误

There are differences between CPU and GPU versions of pytorch, and we do not recommend that you use CPU to train yolov5。

由于历史原因，该项目构建时还没有yolov5 2.0,3.0,4.0,5.0, 因此该项目是基于yolo v5 1.0的，但是训练方式是一致的，关于TensorRT加速部分，建议使用TensorRT 7.1以后的版本，本项目提供的TensorRT加速方式来源于,请参考该项目按照自己版本进行加速

我们提供了其他方式的TensorRT加速的方式，如有需要我们会将其C++和Python代码提供给您共参考！