Roboflow 用于数据集、标记和主动学习
作者: Jacobsolawetz创建于 2021年9月28日更新于 2025年3月19日
标签documentation
现在，您可以使用 Roboflow 来组织、标记、准备、版本化和托管用于训练 YOLOv5 模型的数据集。如果将工作空间公开，您可以免费使用 Roboflow 与 YOLOv5 结合使用。2021 年 9 月 30 日更新。
上传
您可以通过 Web UI、rest API 或 Python 将数据上传到 Roboflow。
标记
将数据上传到 Roboflow 后，您可以标记数据并查看之前的标记。
版本化
您可以为数据集创建具有不同预处理和离线增强选项的版本。YOLOv5 具有原生的在线增强功能，因此在堆叠 Roboflow 的离线增强时要谨慎。
下载数据
您可以下载以 YOLOv5 格式存储的数据，以便快速开始训练。
from roboflow import Roboflow
rf = Roboflow(api_key="YOUR API KEY HERE")
project = rf.workspace().project("YOUR PROJECT")
dataset = project.version("YOUR VERSION").download("yolov5")
```
# 自定义训练
我们发布了一个自定义训练教程，展示了上面的所有功能。您可以访问代码：
[](https://colab.research.google.com/GitHub/roboflow-ai/yolov5-custom-training-tutorial/blob/main/yolov5-custom-training.ipynb)
# 主动学习
现实世界是混乱的，您的模型不可避免地会遇到数据集没有预料到的情况。使用 [主动学习](https://blog.roboflow.com/what-is-active-learning/) 是一种重要的策略，用于循环地改进数据集和模型。借助 Roboflow 和 YOLOv5 的集成，您可以使用经过实战检验的 机器学习 流程，快速对模型部署进行改进。
<p align=""><a href="https://roboflow.com/?ref=ultralytics"><img width="1000" src="https://uploads-ssl.webflow.com/5f6bc60e665f54545a1e52a5/615627e5824c9c6195abfda9_computer-vision-cycle.png"/></a></p>内容来源: ultralytics/yolov5