软硬件环境
Win10+anaconda（python3.7）+gtx 1660ti+cuda 10.1+pytorch 1.7+YOLOv5
介绍：
2020年6月25日，Ultralytics发布了YOLOV5 的第一个正式版本，其性能与YOLO V4不相伯仲，同样也是现今最先进的对象检测技术，并在推理速度上是目前最强，yolov5按大小分为四个模型yolov5s、yolov5m、yolov5l、yolov5x。
写这篇教程时的最新版yolov5是2021年1月5日更新的。
安装pytorch：
首先保证自己电脑已经安装了anaconda这里推荐安装最新版，下载地址：
anaconda自带python，不用再另外下载python。
安装pytorch需要登录网站https://pytorch.org/，
将Run this Command: 的内容复制在windos控制台内安装。
因为yolov5和pytorch更新很快导致windows版本bug较多，比如我用pytorch1.71+yolov5（4.0）出现了摄像头检测正常不能正确检测视频和图片等问题，为了不浪费时间，这里推荐Windows用户使用我用的torch1.70+cuda10.1.
pip安装口令如下：
pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
下载yolov5：
Yolov5的官方下载地址：https://github.com/ultralytics/yolov5
点击绿色标志下载yolov5最新版的压缩包，解压完了如下：
该文件为yolov5的前置需求包。
把第一句口令复制下来，然后将win10控制台cd到该文件位置，粘贴回车即可安装所有前置包。
因为网络原因推荐安装后使用pip list口令对比TXT中的需求检查一遍，没安装上的重新安装，保证必须的基础包都有。
测试：
将官网下载的yolov5使用pycharm打开，直接运行其中的测试文件detect.py。
此时程序会自动下载yolov5的权重模型s版，也就是最轻量版，因为国内网路原因下载速度极其慢，如果不想等待可以去官网下载，然后丢根目录中。
下完完毕后会使用官方案例测试：
测试结果：
下载的yolov5s.pt模型中的权重是用coco数据集训练得来的，可以检测80种不同的物体。
训练模型：
训练模型首先得需要收集数据集，可以自己用labelImg等工具挨个标注也可以去下载现成的，这里推荐免费公开数据集网站https://public.roboflow.com/。
下载数据集：
这里选择下载适合yolov5+pytorch版本的：
推荐解压后并将文件放于yolov5官方文件的同级目录或者里面。
将data文件用txt形式打开并且将红框中的内容修改正确的内容。
因为yolov5s可以测试80种物体，但是我们要训练的口罩检测模型只检测戴口罩和不带口罩，所以nc改为2.
使用口令进行模型训练：python train.py --img 640 --batch 16 --epochs 300 --data ../mask1.0/data.yaml --cfg models/yolov5s.yaml --weights ''
--batch后的参数尽可能的大，直到gpu内存不允许为止，该参数为每批训练图片个数。
--epochs 为训练轮数。
--img为指定图片大小。
--cfg 为模型配置文件位置
--data为训练数据集配置文件位置
--weights为模型权重配置，后加‘’为初始化参数，不写为使用模型自带的参数。
等待训练完成即可生成权重文件。
测试口令：python detect.py --weight runs\train\exp1\weights/best.pt --source ../mask1.0/test/images
--weight指定权重文件。
--source指定测试文件地址，可以是图片地址，视频地址等，也可以是文件夹，当参数为0时是摄像头。
成功