使用coco数据集训练：
????????首先运行train.py，自动下载coco128数据集，并开始训练（之后也可以调整位置训练自己的数据集）
制作和训练自己的数据集：
1、首先创建dataset.yaml
指出数据的根目录位置，如下所示:
path: ../datasets/coco128 # 数据集根目录
train: images/train2017 # 训练图片位置
val: images/train2017 # 验证图片位置
test: # 测试图片位置然后指定训练中有多少个类，列出类的名字，如下所示：
# Classes
nc:2 # 类的数量
names: [ 'person','car'] # 类的名字?在文件夹data/scripts中创建demo.yaml
path: ../datasets/coco128 # 数据集根目录
train: images/train2017 # 训练图片位置
val: images/train2017 # 验证图片位置
test: # 测试图片位置
# Classes
nc:2 # 类的数量
names: [ 'person','car'] # 类的名字2、创建标签
可以使用MAKE SENSE在线创建标签(注意标签创建顺序同上面一样)
3、组织文件夹
? ? ? ? 创建文件夹，组织图像和标签一一对应
dataset/images/im0.jpg # image
dataset/labels/im0.txt # label修改train.py中的数据路径
parser.add_argument('--data', type=str, default=ROOT / 'data/demo.yaml', help='dataset.yaml path')修改detect.py中的路径为自己的训练权重
parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'runs/train/exp/weights/best.pt', help='model path(s)')