Yolo v7训练自己的数据集

没错v7我来了，逃不掉的v7，整x的时候我就想折不会还得用v7吧，果然v7他来了哈哈

1. 准备环境

下源码：我在这里下载的，因为我从官方的下下来有好多错误，改完一个又一个，所以直接下别的大佬改过的了，很香，地址：github:https://github.com/qiaofengsheng/pytorch-yolov7

安装依赖环境：还是原来那一套，然后我把requirement.txt中的torch和torchvision注释之后，直接

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完依赖环境后，去官网下载yolov7的权重，放入weights目录下，直接运行detec.py文件测试是否安装成功。

2. 训练自己的数据集

2.1 弄训练集和测试集

将图像数据添加到VOCdevkit/VOC2007/JPEGImages

将图像对应的txt标签文件添加到VOCdevkit/VOC2007/Annotations

然后修改voc_to_yolo.py中classes列表，改为自己数据集的类别名，设置训练和验证集的比例，我设为70，直接运行，会在VOCdevkit下自动生成images和labels两个文件夹

2.2 修改voc.yaml文件

将train和val修改为刚刚生成的images/train和images/val的地址，nc改为自己数据的类别数，names改为自己数据的类别名，如图

 2.3 训练

修改train.py文件的--weights改为官网下载的pt文件以及将--data修改为配置好的voc.yaml，这里有一个点，就是我一开始下载的是官方的yolov7.pt，用训练出来的best.py测试的时候非常不准，没有检测框，后来调了阈值，得到的结果也很差劲，所以后来下载了此权重yolov7_training.pt，结果好很多，直接运行训练就行，得到runs文件下训练好的best权重。

3. 运行test.py测试

修改--weights,用best.py测试

4. 运行detect.py文件预测

把要预测的图片放到inference/images文件夹下，修改--weights，--source

ok了，有了大佬的加持跑这玩意真的很快，许个愿望希望疫情快快过去。