03-模型训练

3.1当算法创建好后，在NoteBook中进行训练代码编写
3.1.1NoteBook创建
![](/media/202504/2025-04-21_103531_7341220.09671672272892362.png)

3.1.2NoteBook配置
![](/media/202504/2025-04-21_112106_8001830.2690620665284764.png)

3.1.3Note配置完成后点击确认，然后即可在NoteBook列表中看到刚刚创建的项目，点击打开
![](/media/202504/2025-04-21_112143_3457340.5580867099697862.png)

3.2进行训练环境的配置
3.2.1进入NoteBook，查看到自己的项目后就可以配置环境了，安装相关依赖
![](/media/202504/2025-04-21_112457_4997040.09522011958383902.png)

3.2.2编写训练文件，训练文件代码根据自己的需求进行编写，但在平台进行训练需要修改好数据集路径跟模型保存路径，以下操作为垃圾检测yolov5为例展示操作

3.2.3进入终端，找到我们的数据集，输入这些指令进行操作，数据集路径为(dataset,dataset/train ,dataset/val)
![](/media/202504/2025-04-21_112817_0096340.6881587776092946.png)

3.2.4设置数据集路径，点击yolov5
![](/media/202504/2025-04-21_112849_1263890.3156872134884424.png)

3.2.5找到并进入train.py文件，查找红色方框内的代码，这是data的路径 (data/trash.yaml)
![](/media/202504/2025-04-21_114047_4811320.09557487354430083.png)

3.2.6我们去data目录寻找trash.yaml文件 设置我们数据集的路径
![](/media/202504/2025-04-21_114155_7685090.6489860971275095.png)

3.2.7找到之后修改我们的path train val的路径,把我们之前找到的数据集路径对照修改数据集路径为(dataset,dataset/train ,dataset/val) 
![](/media/202504/2025-04-21_115141_7254420.24517784116005192.png)

3.2.8修改完数据集的路径后，再修改我们标签名classes
![](/media/202504/2025-04-21_115145_6824460.13532599849283033.png)

3.2.9回到终端，进入code目录，再进入yolov5目录下进行训练
![](/media/202504/2025-04-21_120011_4917530.3955563823146233.png)
命令行指令为：
1.cd code
==（进入code目录）==
2.cd yolov5
==（进入yolov5目录）==
3.python train.py --epochs 1 --batch-size 8 --imgsz 256
==（其中Epochs是训练次数、Batch是一次获取多少张图片、Imgsz是图片像素大小）==

3.2.10出现以下代码表示训练成功而且已完成，训练好的模型存在红色的方框内
![](/media/202504/2025-04-21_120206_8840820.20155985606729787.png)

3.2.11如果要进行增量训练，需要用到我们上次训练出来的代码，代码如下
python train.py --epochs 1 --batch-size 8 --imgsz 256 --weight runs/train/exp7/weights/best.pt