linux系统下训练yolov7

关于yolov7的训练中的前期工作可以参考：

yolov7 ubuntu安装配置_安安安楠的博客-CSDN博客

训练参考挺详细的：

YOLOv7训练自己的数据集(超详细)_AI小白一枚的博客-CSDN博客_训练自己的数据集

关于训练的命令：

python train.py --workers 8 --device 0 --batch-size 32 --data data/coco.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights '' --name yolov7 --hyp data/hyp.scratch.p5.yaml

其中会出现数据集找不到的问题：

解决办法：

在coco.yaml中直接进行修改：

train: ./Annotations/train.txt  # 118287 images

val: ./Annotations/val.txt  # 5000 images

test: ./Annotations/train.txt  # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

在train.txt文件中（./当前目录）

./train_images/28e3128c923904a5f37e097a903bee2.jpg

 显示出：

RuntimeError: CUDA out of memory. Tried to allocate 32.00 MiB (GPU 0; 5.78 GiB total capacity; 3.30 GiB already allocated; 67.56 MiB free; 3.32 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

因此我采用如下解决：

python train.py --workers 1 --device 0 --batch-size 1 --data data/coco.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights '' --name yolov7 --hyp data/hyp.scratch.p5.yaml

这部分的重要参考：

使用yolov7训练自己的数据集； yolov7安装使用； yolov7源码解读-物联沃-IOTWORD物联网

yolo训练命令：

设置置信度超过0.4的显示出来：

python detect.py --source=inference/images/bus.jpg --weights=yolov7.pt --conf 0.4

测试摄像头：

python detect.py - source 0 

python detect.py --source 0 --weights=runs/train/yolov754/weights/best.pt

更改测试保存路径：

验证模型

python val.py --data data/coco128.yaml  --weights weighs/myyolo.pt --batch-size 6

训练可视化：

tensorboard --logdir  ./runs

然后在浏览器端输入 http://localhsot:6006/#scalars 具体还是看上面的命令返回什么