YOLOv7使用云GPU训练自己的数据集

最近注意到yolov7出来了，才刚刚开始看yolov5呢，只能说大佬就是大佬。前不久才跑通了yolov5的代码，看见yolov7出来了，就想着来试试看。看了很多csdn上的教程，收获很多，但是大家都是用自己的电脑就开始跑起来了，没有显卡的我只能用云GPU了。刚开始摸索云GPU真的心累，一点基础没有，硬是把csdn和b站翻过来了，才会了些基础操作。使用的云GPU是恒源云，一开始看了很多家，最后是因为学生注册就给50代金券，我就毫不犹豫先选它了，毕竟白嫖可太香了，而且文档也挺细的，不过社区就没那么好了，去逛了一圈并没有解决我当时的很多问题，都是标准回答...不小心扯远了，哈哈哈，第二次在csdn上写东西（严格来说是第一次写这么长的文章），大家多多包涵。后面如果有时间的话，我再写一篇云GPU怎么用，希望能帮助没有显卡想用云GPU的同学。接下来就进入正题吧

使用的是云GPU+pycharm专业版（社区版无法远程链接，如果是学生的话可以使用教育邮箱申请专业版，我申请时当天就回复我了）

首先，先贴上YOLOv7的代码链接（官方）：

https://github.com/WongKinYiu/yolov7

不过访问github经常不稳定，深有体会。所以，也贴上网盘链接（虽然某度的速度也慢），权重文件是.zip格式，下载下来后改成.pt后缀就可以了。代码下载的时间大概是7.17。

权重链接链接：https://pan.baidu.com/s/18FyZKy1u4QOUnAH0nGkjrg 
提取码：oxle

代码链接：https://pan.baidu.com/s/13wwiix8q75fHDZzEULc9yw 
提取码：rto5

pycharm的解释器配置：

train.py的参数设置

其中weights cfg data hyp是需要设置的，batch-size过大可能会报错显卡显存不足，workers可以参考https://blog.csdn.net/flamebox/article/details/123011129

weights

权重文件就用上面的链接下载即可，上传到服务器上。我只使用了yolo7.pt，有兴趣可以试试别的权重文件，不过可能会用到train_aux.py。

cfg和hyp

 yolov7模型文件使用代码里的yaml文件，不过需要修改nc为自己数据集的类别数。超参数也是默认文件。

 

 data

 数据集文件，复制data文件下的coco.yaml一份命名为mydata.yaml。其中train_list.txt是自己数据集images/train的绝对路径，val_list.txt是images/val的绝对路径。这里我写的是相对路径，注意这个相对路径是相对于train.py文件的，不是相对于mydata.yaml文件。当然绝对路径是不会出错的，我是看见一个博主说相对路径报错了，我就试了一下，结果使用../train_list.txt出错，程序找不到文件。

自动获取数据集train和val的images文件夹中图片的绝对路径，参考https://blog.csdn.net/qq_58355216/article/details/125677147

下面是生成train_list.txt的代码，如果要生成val_list.txt，将path和with open('./train_list.txt', 'w') as f:中的train换val

# From Mr. Dinosaur https://blog.csdn.net/qq_58355216/article/details/125677147

import os


def listdir(path, list_name):  
    for file in os.listdir(path):
        file_path = os.path.join(path, file)
        if os.path.isdir(file_path):
            listdir(file_path, list_name)
        else:
            list_name.append(file_path)


list_name = []
path = '/hy-tmp/yolov7-main/mydata/images/train'  # 训练集图像所在文件夹的绝对路径
listdir(path, list_name)
print(list_name)

with open('./train_list.txt', 'w') as f:  # 在当前目录下生成train_list.txt文件
    write = ''
    for i in list_name:
        write = write + str(i) + '\n'
    f.write(write)

 不过mydata.yaml也可以设置成和YOLOv5中data参数的值一样，也是可以开始训练的。（所以这两种方法有什么区别？有知道的可以评论区告诉我）

 训练

基本上需要设置的参数已经ok了，可以开始训练了。记得将修改后的项目与云端同步，就可以运行train.py文件了。

因为只是试试能不能跑，所以epoch设置为30。训练结果保存在runs/train/exp。

 报错

1、使用恒源云GPU训练的时候，会出现（不知道是不是环境问题）

ImportError: libgthread-2.0.so.0: cannot open shared object file: No such file or directory

在终端输入下面代码

apt-get install libglib2.0-dev 

2、batch size设置过大出现RuntimeError: CUDA out of memory. 

3、报错，参考https://blog.csdn.net/qq_36944952/article/details/124683408

AttributeError:module ‘distutils’ has no attribute 'version

使用如下代码

pip uninstall setuptools
pip install setuptools==59.5.0 //需要比你之前的低 

测试

测试文件的参数设置

权重使用训练30次的best.pt文件，预测图片文件夹inference/images，注意路径写对。--view-img参数默认false，设置为true可以展示预测结果窗口（不过使用云端运行detect.py文件，展示会报错，找了很多教程都没解决（教程都说用mobaxterm），如果有知道解决方法的可以评论区告诉我）。project和name是结果保存路径runs/detect/exp。

 结果

报错

1、忘了上传detect.py到服务器，导致一直运行失败。报下面的错

subprocess.CalledProcessError: Command ‘git tag’ returned non-zero exit status 128

也有可能是参数设置出问题了，可以仔细检查一下

ps 以上只是简单地训练yolov7，如果文章有错误或者你有更好的见解请不吝赐教