step 1: 安装PyTorch

!pip install torch==1.5.1+cpu torchvision==0.6.1+cpu -f https://download.pytorch.org/whl/torch_stable.html

step 2: 安装模型运行相关依赖

!pip install -U -r requirements.txt

TACO数据集可以从本人该平台的taco项目从操作获得，所生成的数据集直接放置在根目录下即可(此处已上传一份本地运行完的数据集)

本人还在该项目根目录下存放了taco.zip文件，使用如下语句即可完成解压

!unzip taco.zip

step 3: 配置文件配置

• 将解压后的taco文件夹下taco.yaml文件拷贝至data文件夹下
• 修改models文件夹下yolov5s.yaml文件中的nc属性值改为对象类型总数

step 4: 模型训练，训练过程所产生的输出将自动存放于runs文件夹下

!python train.py --img 320 --batch 4 --epochs 100 --data ./data/taco.yaml --cfg ./models/yolov5s.yaml --device cpu --weights yolov5s.pt

step 5: 效果测试，主要利用detect.py对inference/images文件夹下的目标图像进行测试，其结果存放在inference/output文件夹中；在测试前，注意要将runs中的best.pt权重文件放置项目根目录下

!python detect.py --weights best.pt --img 320 --conf 0.4