提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
YOLOv5 5.0 版本在Opencv上部署
前言
版本一定要和我的一致，不然不保证能run起来！！！
一、YOLOv5 5.0
该任务我们选择YOLOv5 5.0 版本。在https://github.com/ultralytics/yolov5中，可以选择对应的版本下载。由于GitHub上 v5 5.0 版本的C++代码居多，故选择 v5 5.0。（后期流程和部署代码熟练了可以试一下v5 7.0 版本的部署）
1、下载代码
这里直接打开上述链接应该是这样的页面， 是v5 7.0 的代码
我们要选择 v5 5.0 版本，那么我们要在master中选择Tags，里面有对应的各个版本
这才是v5 5.0 的代码，如下图所示
然后，我们将代码的zip压缩包下载下来（也可以使用 git clone 的方式将代码直接copy到本地）
解压到自己的文件夹下
2、调试训练代码
2.1、配置环境
在PyCharm中打开文件夹。
首先，配置需要的环境，requirement.txt中有各种包需要的最低版本，在PyCharm的Terminal中复制 pip install -r requirement.txt ，开始配置环境。（建议为yolov5 5.0 版本新建一个虚拟环境，避免在同一个环境在别的代码中需要更新环境。）
Anaconda Prompt中可以查看我们环境中的各种包，我记得numpy和onnx版本不能太高，会有问题，按照我这个版本按照就可以了。（中间遇到其他的版本问题百度一下，大部分都可以解决）
2.2、训练
打开 train.py 文件，在 if name == ‘main’: 中，“–cfg"中添加默认值 models/yolov5s.yaml ，这个是yolov5s模型的yaml文件，会在之后按照这个yaml文件中的设定去构建网络结构，并下载yolov5s.pt文件。（可以设置别的模型，路径名写对就可以了）
右键train，可以看到下面在下载 yolov5s.pt 文件，但是仔细观察可以看到是在下载v7.0版本的，我们要的是5.0版本的。并且我们在下载完成之后会看到有报错，报错原因就是因为我们的 .pt 文件下载错误，因此我们需要从官网找一下对应的文件。
回到我们GitHub上的官网地址，在右侧有一个releases
往下翻会找到5.0版本的链接，点击进入
在最下方会有yolov5 5.0 版本的 yolov5s.pt，下载下来，放在刚才的文件夹下。
这个时候我们点击train还是会报错，可以看到是因为路径问题，下载下来的 coco128.zip 没有解压（不清楚是代码写错了，还是我的问题）。
由于train.py中，”–data"的默认值是data/coco128.yaml，我们打开coco128.yaml看一下。发现train和val指向的都是上一级目录的coco128文件夹，那我们手动解压一下，把路径修改成绝对路径。
再点击train，还是会报错
在loss中修改这一行
同时，要把数据集中的labels文件夹下的.cache缓存文件删掉
再train就可以run起来了！！！
训练结束后，会生成 best.pt 和 last.pt 文件
3、导出 .onnx 文件
打开在 models 文件夹下的 export.py 文件，修改"–weights"的默认值，修改成训练好之后的 best.pt 路径，然后就可以导出了。会在 best.pt 文件夹下生成对应的 .onnx 文件
二、C++部署
这里我是直接GitHub上找的C++代码，直接贴链接https://github.com/xiaojunjun65/YOLOv5-onnx，这个作者的教程在https://blog.csdn.net/xiaojunjun200211/article/details/121784214，可自行参考
C++代码中主要是把class_name的值、.onnx文件路径和图片路径修改一下就可以运行了。
总结
建议没有过部署经验的同学可以先按照这个流程先部署一下 5.0 版本，或者找GitHub上的代码时一定要按照作者要求的 YOLOv5 版本做部署，熟练之后再部署其他版本。主要问题在于版本和作者不一致之后会出现检测框无法展示出来，.onnx 节点报错等问题，我是初学，还不清楚是什么原因，后面再学学可以尝试一下高版本的部署。
欢迎有小伙伴交流和指教，感谢！！！
感谢：https://blog.csdn.net/xiaojunjun200211/article/details/121784214