yolov7训练自己的数据集-gpu版

一级目录

二级目录

三级目录

1.下载yolov7源码

yolov7官网： https://github.com/WongKinYiu/yolov7

2.安装Anaconda(选装可以不下)

1.安装Anaconda

miniconda清华源：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
安装最新款的

2.创建虚拟环境

在开始中找到Anaconda并打开

1.创建

conda create -n yolov7 python=3.7 -y

2.激活

conda activate yolov7

3.安装依赖(这里演示的是不使用Anaconda虚拟环境)

1.注释掉requirements.txt中默认的torch(默认安装为cpu版)

打开yolov7源码找到最下面的requirements.txt打开并将torch那一行注释

打开终端安装依赖

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

2.安装gpu版本的torch

1.直接跳转看详细版
详细版: https://blog.csdn.net/qq_62975494/article/details/129736414?spm=1001.2014.3001.5501
2.我也不知道叫什么版
不想写了自己点上面连接看详细版

4.下载权重

1.官网下载
yolov7官网： https://github.com/WongKinYiu/yolov7
往下滑找到这点击速度特别慢

2.百度云盘下载
链接: https://pan.baidu.com/s/1MHW31AIKcqHXYpt9bxenQA
提取码1234

5.标注数据集

1.创建所需文件夹

创建一个文件夹来存放数据集然后images用来存放图片labels用来存放标注的文件train:val的比例推荐4：1

2.下载labelImg标注工具

先打开Anaconda(或者终端)
下图为Anaconda

安装

pip install labelImg

安装成功后cmd中输入labelImg即可打开

labelImg

详情参考
链接: labelImg使用教程

3.labelImg使用

按下w选中你要标注的物体即可
标注完成后如图所示labels中的txt文件对应images中的图片

6.配置训练的相关文件

总共有两个文件需要配置，一个是/yolov7/cfg/training/yolov7.yaml，这个文件是有关模型的配置文件；一个是/yolov7/data/coco.yaml，这个是数据集的配置文件。
1.第一步，复制yolov7.yaml文件到相同的路径下，然后重命名，我们重命名为yolov7-xxx.yaml(起一个你想要的名字)然后打开

2.复制coco.yaml文件到相同的路径下，然后重命名，我们命名为xxx.yaml。(起一个你喜欢的名字)打开后进行更改如下图

7.开始训练

如果你用的是anaconda虚拟环境先进入yolov7文件夹cmd激活虚拟环境

conda activate yolov7

然后开始训练如果你没有使用虚拟环境可跳过上一步
下面是打开cmd的方法

输入命令开始训练

python train.py --weights yolov7x.pt --cfg cfg/training/yolov7-xxx.yaml --data data/xxx.yaml --batch-size 8 --epoch 300 --device 0

对参数解释

–cfg 接受模型配置的参数
–data 接收数据配置的参数
–device 0 训练类型，我是一块GPU 所以用0
–batch-size 8 GPU内存大小决定
–epoch 训练次数，建议300
–weights 训练的权重

last.pt为最后一次的权重
best.pt为测试效果最好的权重

8.使用训练的.pt文件进行检测

python detect.py --weights best.pt的位置 --source 检测的文件位置 --device 0

在./runs/detect中可查看结果

over(推荐使用线上gpu)