数据集训练一般在个人 Ubuntu 中进行，双系统或虚拟机均可，训练完成后部署在实机中。 数据集准备： 训练之前必须准备数据集，通常会将数据集分为训练集、验证集和测试集。这里训练集使用 cifar100 数据集，将数据集放在 Libraries/datasets 路径下。
选择预训练模型： yolov5支持在预训练模型的基础上进行微调，以加速训练和提高精度。你可以使用预训练模型进行训练，也可以从头开始训练。若使用预训练模型则将下载的预训练模型解压放在 Libraries/yolov5 路径下。下载链接：https://static.simuro.liuyaorobot.com/archive/tutorial2025/
开始训练： 在 Libraries/yolov5/classify 路径下打开一个终端，运行:
python train.py --data cifar100 --imgsz 32 --batch-size 10 --device cpu --epochs 10 --model yolov5s-cls.pt
–data：指定数据集配置文件 –imgsz：设置输入图像的尺寸，这里指定为32×32像素 –batch-size：设置批处理大小，这里指定为10，即每次迭代时，训练模型会处理10张图像 –device：指定训练设备，这里选择cpu –epochs：设置训练的轮数，这里指定训练10轮 –model：指定了预训练模型的权重
保存和部署： 训练完成后，训练好的模型位于 Libraries/yolov5/runs/train-cls/exp/weights 路径下，best.pt 为模型在验证集上表现最好的时刻所保存的权重，last.pt 为训练完成时保存的模型权重。一般选择部署 best.pt。
本项目中训练模型部署的路径为
