yolov5-7.0实例分割操作步骤

由于打小语文就没及格过，写作水平有限看不懂的建议直接跳过 哈哈哈
1. 先制作数据集
1.1 建议使用anaconda3来安装python环境，这个我就不多说了自己下载安装 下载地址，不管是python直接安装环境还是anaconda3来安装环境都可以,我的python环境是3.8.16
1.2 制作数据集我使用labelme来弄，先安装labelimg工具 pip install labelme
1.3 直接打开安装好的labelme工具，

1.4 选择opendir 这个打开要标记的图片所在文件夹，选中文件夹以后里面的图片会导入到labelme里面去，然后就开始标记,然后保存，保存出来是个json格式的文本，然后把图片转换成yolov5实例分割支持的txt文本，到这里数据集就制作完成了，如果labelme打开报错，那可能你需要降低你的python版本

2. 下载官方的yolov5-7.0的代码，下载地址
3. 我使用的是pycharm工具来打开yolov5-7.0这个项目，这个也是需要下载训练和推理环境的，gpu的需要单独安装cuda，并且去pytorch官方获取下载支持gpu的torch命令，使用pip install ultralytics 这个安装命令也可以安装环境，但是估计是cpu的，环境都好安装的，不会的可以问我

4. 实例分割单独给了一个目录是在segment下面，里面包含训练、推理、测试三个py文件，这里训练主要使用训练py，这里的参数使用过目标检测的应该都知道没啥可说的，也可以通过命令传入参数进去执行，或者在里面配置好参数，直接小绿标run运行

5. 开始训练

6. 训练完成以后的模型保存在runs/train-seg下面，到这里训练就结束了，然后推理

7. 推理模型，可以使用pt或者onnx模型，onnx的推理yolov5给出单独的代码

python segment/predict.py --weights .\runs\train-seg\exp8\weights\best.pt--source .\data\images\bus.jpg 

推理的结果在runs/predict下面，到这里就成功了

总结：
1.准备图片
2.安装制作数据集环境
3.制作数据集
4.下载官方代码
5.安装训练环境
6.运行训练代码
7.推理出训练结果