YOLOV7模型调试记录

先前的YOLOv7模型是pytorch重构的，并非官方提供的源码，而在博主使用自己的数据集进行实验时发现效果并不理想，因此生怕是由于源码重构导致该问题，此外还需进行对比实验，因此便从官网上下载了源码，进行调试运行。

环境配置

由于博主先前曾经运行过pytorch版本的yolov7，因此这次就沿用那个虚拟环境了。
有需要了解相关配置的可以参考博主这篇博客：

写在前面，关于YOLOv7的代码中有个wandb大家可以将其关闭，因为这个实际上没有啥用途反而在运行中会造成下载屏障，配置错误等问题，关闭方法打开下面这个文件：

随后在开头代码：

try:
    import wandb
    from wandb import init, finish
except ImportError:
    wandb = None

后加上wandb = None，即为：

测试

将源码下载完成后，先进行简单测试看看环境是否符合，可以先运行detect.py，修改下其中的预训练模型文件：这里建议大家手动下载。

parser.add_argument('--weights', nargs='+', type=str, default='./weights/yolov7.pt', help='model.pt path(s)')

其余的就不用动了，运行成果后会提示你将检测结果放到相应文件夹：

测试结果：

训练调试

这个才是我们的重头戏
其实这个配置并不难，我们使用的是YOLO格式的数据集，该数据集就是先前博主在运行YOLOv8模型时制作的。
具体制作过程参考博主这篇博文：

YOLOv8调试记录

主要便是执行下面这段代码，即将VOC格式数据集转换为YOLO格式

随后创建数据集配置文件

然后修改train.py中的相关配置：分别对应预训练模型参数，模型框架与数据集配置文件，此外还需修改epochs和batch-size等。

随后我们还需修改模型配置文件中检测的类别数

随后我们运行train.py文件就OK了：这里由于博主使用了一小部分数据集所以效果并不理想，稍后会将其上传至服务器上进行实验。

服务器配置

将代码上传值服务器后，由于博主先前已经将使用该数据集训练了YOLOv8模型，因此数据集早已存在于服务器上，此时的数据集存放在yolov8的data文件内，博主将cadc.ymal文件的路径修改为yolov8中的地址却报错，随后便将yolov8中的数据集复制到了yolov7中，再次运行后依旧报错，后来发现是由于在复制过程中连同.cache缓存文件一并复制过来的缘故，将其删除后再次运行，运行成功。

此时设置batch-szie=16 epochs=300
GPU服务器使用情况如下：