yolov7训练自己的数据集-gpu版

yolov7-gpu

• 一级目录
• • 二级目录
  • • 三级目录
    • 1.下载yolov7源码
    • 2.安装Anaconda(选装可以不下)
    • • 1.安装Anaconda
      • 2.创建虚拟环境
      • 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)
        • 2.安装gpu版本的torch
        • 4.下载权重
        • 5.标注数据集
        • • 1.创建所需文件夹
          • 2.下载labelImg标注工具
          • 3.labelImg使用
          • 6.配置训练的相关文件
          • 7.开始训练
          • 8.使用训练的.pt文件进行检测

            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)