Windows 10/11 下用 YOLOv5 训练自己的数据集：从标注到部署的保姆级避坑指南
Windows平台YOLOv5实战：从零构建定制化目标检测模型的完整指南
1. 环境配置与工具准备
在Windows系统上搭建YOLOv5开发环境需要特别注意版本兼容性问题。不同于Linux系统，Windows对CUDA和PyTorch的版本组合更为敏感。以下是经过验证的稳定配置方案：
必备组件清单：
- NVIDIA显卡驱动：建议使用Studio驱动而非Game Ready驱动
- CUDA Toolkit 11.3 + cuDNN 8.2.1（与PyTorch 1.10完美兼容）
- Python 3.8.10（3.9+版本可能出现依赖冲突）
- PyTorch 1.10.0 + torchvision 0.11.1
安装PyTorch时推荐使用以下命令：
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch提示：使用Anaconda创建独立环境时，建议命名为
yolov5并记录所有安装包版本，便于后续问题排查
开发工具选择上，Visual Studio 2019 Community Edition是必须的，因为它提供了C++编译工具链。对于IDE，实测PyCharm Professional在调试YOLOv5训练过程时表现最佳，其CUDA内存监控功能非常实用。
2. 数据集构建与标注技巧
2.1 高效标注工作流
LabelImg虽然是经典标注工具，但在Windows平台存在几个典型问题：
- 标注保存路径含有中文时会出现乱码
- 无法批量处理图像旋转问题
- 标注过程中容易崩溃
推荐改用CVAT（Computer Vision Annotation Tool）在线工具，通过Docker在本地运行：
docker run -d -p 8080:8080 --name cvat -v cvat_data:/home/django/data openvino/cvat_server标注优化技巧：
- 对小型物体采用2×2网格标注法
- 重叠物体使用z-index分层标注
- 模糊目标建议多人标注取交集
2.2 数据集划分与增强
YOLOv5要求的数据集结构如下：
dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/使用RoboFlow进行智能数据增强：
from roboflow import Roboflow rf = Roboflow(api_key="YOUR_API_KEY") project = rf.workspace().project("your-project") dataset = project.version(1).download("yolov5")3. 模型训练与调优实战
3.1 配置文件深度定制
修改data/custom.yaml时需注意：
train: ../dataset/images/train val: ../dataset/images/val nc: 3 # 类别数 names: ['cat', 'dog', 'person'] # 按字母顺序排列模型选择建议：
| 模型类型 | 参数量 | 显存需求 | 适用场景 |
|---|---|---|---|
| yolov5n | 1.9M | 2GB | 边缘设备 |
| yolov5s | 7.2M | 4GB | 入门级GPU |
| yolov5m | 21.2M | 6GB | 中端配置 |
| yolov5l | 46.5M | 8GB | 高性能PC |
| yolov5x | 86.7M | 16GB | 工作站 |
3.2 低显存训练方案
针对GTX 1060等6GB显存显卡的优化参数：
python train.py --img 416 --batch 8 --epochs 100 --data custom.yaml --cfg models/yolov5s.yaml --weights '' --device 0 --hyp data/hyp.scratch-low.yaml关键调整项：
- 使用
--adam优化器减少内存占用 - 添加
--cache ram参数加速数据加载 - 启用
--multi-scale增强小目标检测能力
4. 模型部署与性能优化
4.1 导出为生产环境格式
转换为TensorRT引擎提升推理速度：
from torch2trt import torch2trt model = torch.load('best.pt')['model'].float() model.eval() data = torch.randn(1, 3, 640, 640).cuda() model_trt = torch2trt(model, [data], fp16_mode=True) torch.save(model_trt.state_dict(), 'best_trt.pth')4.2 实时摄像头处理优化
使用多线程处理视频流：
import threading from queue import Queue class CameraStream: def __init__(self, src=0): self.stream = cv2.VideoCapture(src) self.Q = Queue(maxsize=128) self.thread = threading.Thread(target=self.update, args=()) self.thread.daemon = True self.thread.start() def update(self): while True: ret, frame = self.stream.read() if not ret: break if not self.Q.full(): self.Q.put(frame)5. 典型问题解决方案库
5.1 内存溢出(OOM)问题
症状：训练时出现CUDA out of memory
- 降低
--batch-size至4或更低 - 添加
--gradient-accumulation 2参数 - 修改
models/yolov5s.yaml中的width_multiple: 0.5
5.2 标注文件路径错误
报错：Image Not Found解决方案：
- 检查
data.yaml中的路径是否使用正斜杠 - 运行路径检查脚本：
from pathlib import Path for split in ['train', 'val']: img_dir = Path(f'dataset/images/{split}') lbl_dir = Path(f'dataset/labels/{split}') assert img_dir.exists(), f"Missing {img_dir}" assert lbl_dir.exists(), f"Missing {lbl_dir}"5.3 摄像头接入异常
现象：cv2.VideoCapture(0)返回False 排查步骤：
- 检查DirectShow是否支持：
import cv2 print(cv2.getBuildInformation()) # 查看Video I/O支持情况- 改用DSHOW后端：
cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)在实际项目中，我发现使用OpenCV的DNN模块直接加载YOLOv5模型时，预处理环节需要特别注意BGR到RGB的转换。而采用PyTorch原生推理时，则要注意输入张量的归一化处理。这些细节往往成为模型在实际场景表现不佳的隐藏原因。