yolov7使用笔记(零基础使用)

目录

0.引言

1.我的环境配置

2.项目结构介绍

3.数据集训练

4.训练模型检测

5.感受

---

本文链接：yolov7源代码：

github下载：GitHub - WongKinYiu/yolov7: Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

百度网盘分享：百度网盘 请输入提取码

环境配置：YOLOv7保姆级教程（个人踩坑无数）----训练自己的数据集-CSDN博客

数据集准备：YOLOv7（目标检测）入门教程详解---检测，推理，训练-CSDN博客

yolov7论文解读：【YOLO系列】YOLOv7论文超详细解读（翻译 ＋学习笔记）-CSDN博客

模型部署：深度学习部署神器——triton inference server入门教程指北_triton调用深度学习模型服务端代码如何编写-CSDN博客

cuda历史版本下载：CUDA Toolkit Archive | NVIDIA Developer

cudnn历史版本下载：cuDNN 历史版本 | NVIDIA 开发者

pytorch历史版本指令：Previous PyTorch Versions | PyTorch

如果官网下载cuda和cudnn比较慢，可以从我的网盘下载。cuda是11.3版本，cudnn与之兼容。

通过百度网盘分享的文件：cuda11.3-cudnn8.2.1 链接：百度网盘 请输入提取码

0.引言

本人作为深度学习小白，初次配环境并训练自己的数据集，下面记录学习的全过程，帮助其他人少踩坑，也记录一下自己的学习过程。首先说明本文训练模型未修改模型，后期做出修改再看源代码，如果还不了解anaconda,cuda等内容，建议先去看一下基础用法。

大致流程：

下载源代码---配置环境---下载权重文件验证环境---构建自己的数据集---训练数据集---验证训练模型---评估训练效果

1.我的环境配置

使用anaconda来管理python环境，我的yolov7使用了python3.8.0版本，cuda11.3 , cudnn8.2.1版本。

运行requirements.txt文件下载环境所需文件。

pytorch相关内容和cuda,cudnn注意从官网下载，需要科学上网，如果选择cuda11.3可以使用上边的网盘下载。

下面是我的 conda list 可以对应参考：

2.项目结构介绍

首先从官网下载源代码解压后得到yolov7-main的文件夹。

我们需要创建两个文件夹，修改两个yaml文件。

从github下载预训练权重，建立文件夹weights,里面放上下载的权重文件，一来这个可以帮助我们测试自己的环境是否配好，二来可以帮助我们更好的训练自己的模型。

再建一个数据集文件夹dataset,下面一级是我们的数据集名字，自己命名即可（我是要检测猪头，所以命名为pighead）。再下面一级是images文件夹和labels文件夹，使用labelimg进行标注。

第一个yaml文件是data文件夹下面的coco.yaml文件，这个文件是和数据集相关的文件。

第二个yaml文件是cfg文件夹下面的training文件夹下的yolov7.yaml文件,这个文件是和训练相关的文件。

最后得到这样的文件夹结构：

3.数据集训练

上边的dataset文件夹弄好后，在pycharm终端里输入下面的指令即可运行训练，训练结束会新建一个文件夹runs,产生一个子文件夹train，里面的weights文件夹里的best.pt就是要训练出来的权重文件。

注意修改指令里的名字，指令代表的含义可以看train.py文件。

CPU版本

python train.py --weights weights/yolov7_training.pt --cfg cfg/training/yolov7-pig.yaml --data data/pigdata.yaml --device cpu --batch-size 1 --epoch 1

GPU版本(本人使用)

python train.py --weights weights/yolov7_training.pt --cfg cfg/training/yolov7-pig.yaml --data data/pigdata.yaml --device 0 --batch-size 5--epochs 400

训练过程：

4.训练模型检测

我的测试指令：

python detect.py --weights runs/train/exp/weights/best.pt --device 0 --save-txt --save-conf --project runs/detect --name exp

我的detect.py文件最下面的代码，加上了中文注释可以参考。注意如果测试出来没有txt文件，是因为置信度设置的太高了，减小一点置信度或者多训练几遍就好了。第一次测试时，我只迭代了一遍就想看一下结果，置信度却设置的很高，没有txt文件还以为出错了，降低一下置信度就好了。

5.感受

     一开始对深度学习毫无头绪，可能真的没什么天赋，搭配环境就下载了好多好多次。数据集构建，训练测试，甚至pycharm,anaconda,cuda这些都出现过很多问题，这些软件卸了再安，安了再卸，cuda也始终用不了，pycharm无法识别conda环境等等，熬了很久才一点点改好训练了自己的第一个数据集，看见真正能用,能测试出想要的结果还是很高兴的。“报错越多，学习越多，刚学习不要怕报错”。过了这个暑假，大一就要结束，在此也勉励我们能够继续前行。