一.上传数据集

1. 建立google账号

这个请自行完成

2.上传数据集

首先打开谷歌网盘（需要提前准备一个google账号），点击New新建一个文件夹New Folder，并取名为yolo

然后我们把所有的资料都放在网盘当中，再在colab把网盘的资料挂在上去就可以了。接下来我们把数据集（本次采用口罩数据集为例）上传上来

可以看到上传成功后，会生成一个mask文件夹，这就是训练所需要的口罩数据集

3.检查数据集

我们可以进入看一下里面的内容，打开看一下其中的配置文件data.yaml

打开可以看到数据集路径是不对的，应该改为

之后保存，就可以退出了

二.新建colab笔记本

1.建立colab笔记本

我们在mask目录下新建一个colab笔记本，选中mask点击New-More-Google Colaboratory，新建一个colab笔记本，之后会跳转到colab的网站上，

进来之后，修改名字为yolo。本网站进入之后默认使用的是CPU，所以我们点击菜单栏的“修改”，找到“笔记本设置”，修改为GPU即可

之后，设置连接选项，找到右上角，选择第一项“连接到托管的运行时”

修改好后可以看到分配的资源，同时我们输入代码查看当前目录信息

!pwd

再次输入代码,查看分配到的GPU信息

!nvidia-smi

2.网盘挂载

下面我们把网盘里面的数据挂载到colab当中，输入代码

import os
from google.colab import drive
drive.mount('/content/drive')

执行并确认挂载后，即可完成挂载，并提示，已经mount到/content/drive当中去了

接着输入命令查看

此时，显示的MyDrive就是谷歌云盘下的MyDrive，再次输入命令，进入到yolo文件夹下

可以看到此时我们已经进入到yolo文件夹下了.

3.上传源码

下面我们yolov5的源码下载到此目录下，输入代码，可以查看到已经下载完成

接下来我们需要根据自己训练的情况，修改源码的配置文件，回到谷歌云盘当中，进入yolov5-models下，打开yolov5s.yaml，修改nv为2（戴口罩和没带口罩）

4.开始训练

之后，回到colab，进入yolov5文件夹，执行训练代码

%cd yolov5
!python train.py --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights '' --batch-size 64

开始训练了

再次执行代码，转换成onnx文件

!python export.py --weights runs/train/exp/weights/best.pt --include onnx