yolov7小白来了都会训练（真的是保姆级别）

一、YOLOv7代码下载

YOLOv7是原YOLOv4团队打造，在精度与速度之间取得较好的平衡，并且是现在较为优秀的目标检测模型

yolov7的代码下载路径：WongKinYiu/yolov7: Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors (github.com)

二、环境配置

网上都有，推荐新手下载python3.8版本的。有想要长期训练自己代码能力的推荐使用Anaconda
安装教程网上都有，不要听网上的人使用清华源，什么源的全是有问题的，最好是慢慢下载，用源下载的后续出问题自己负责
在pycharm中使用Anaconda的步骤

接下来安装requirements.txt文件就可以了，还是推荐不使用源，当然使用源后果自负

pip install -r requirements.txt

三、使用GPU

pytorch：Start Locally | PyTorch
 

安装pytorch要确认

在安装之前呢，我们需要确定三件事
第一：查看显卡支持的最高CUDA的版本，以便下载对应的CUDA安装包
第二：查看对应CUDA对应的VS版本，以便下载并安装对应的VS版本（vs需要先安装）
第三：确定CUDA版本对应的cuDNN版本，这个其实不用太关注，因为在cudnn的下载页面会列出每个版本对应的cuda版本，11.x以上对应的范围很宽

网上有安装CUDA、cuDNN教程

安装完了就可以去安装pytorch，安装pytorch最好不要和cuda一个版本降一级

根据自己的电脑配置选择合适的CUDA版本

本人使用的是：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

进行GPU训练是会出现的报错本人有使用yoloV5，yoloV6，yoloV7，yoloV8，yoloV9，yoloV10
所安装不同版本的python使用pytorch都会报错在本人身上几乎是百分之百的
本人代码报错找不到，大致是这个

torchvision ：nms

所有怎么解决呢，后面的版本--index-url https://download.pytorch.org/whl/cu118要和前面自己对的上

#先卸载 
pip uninstall torchvision 
#再安装
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

好接下来GPU写完了

四、准备数据集

几乎所有的文章数据集不讲清楚，明明很简单的
1、创建一个database的文件夹
文件夹里创建2个文件夹，分别为images，labels，顾名思义解释图像文件和标签文件，下面2个配置文件我稍等一下会讲（yaml文件）

images文件里放什么呢？？如图所示当然是训练图、测试图、验证图，比例可以是7、1、2
测试集可以不用也就是test，train和valid必须要

labels文件里放什么呢？？如图所示当然是训练图标签信息、测试图标签信息、验证图标签信息，比例可以是7、1、2，但是必须和前面的训练图、测试图、验证图，图片信息一模一样，不能是0001.jpg和0002.jpg的label信息
测试集可以不用也就是test，train和valid必须要，下面2个的cache不用在意你训练一次也会多2个出来，当然本人这边也是没有用到test测试集的图片所以缺失test的cache

接下来自制一个配置文件，命名为data.yaml，记得新建这是新建出来的yaml文件

# Please insure that your custom_dataset are put in same parent dir with YOLOv6_DIR
train: E:\python\yolov7\datasets\images\train  # 118287 images
val: E:\python\yolov7\datasets\images\valid  # 5000 images
test: E:\python\yolov7\datasets\images\test  # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# Classes
nc: 3  # number of classes
names: ['1', '2', '3']  # class names

这是本人的可以复制，train、val、test的地址全是你的图片文件路径地址，网上的人全是还是要建立一个txt文件防止文件路径信息完全没必要，多此一举
nc是什么是你的标签，比如人，人有男人、女人，所以你有2个nc，那names是什么呢？是：man，woman
接下来解释yolov7的配置文件你可以去：cfg/training里挑选复制一份到database文件夹里

原版，这是本人要用到的配置文件，你可以挑选别的配置文件，里面的算法是不一样的，调教出来的模型也是不一样的，根据图片多少来吧，本人就不介绍了

复制一份到database文件夹里命名为yolov7.yaml,只需要改nc就行，改你自己是多少nc这边的配置文件就多少nc

五、训练

训练非常简单，打开train.py，修改红框里的信息，哦对了pt文件记得下载
地址：WongKinYiu/yolov7: Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors (github.com)

ok回到正题，修改weights这是上面下载的pt文件地址路径，cfg是只需要改nc的配置文件，data是我们自己制作的yaml文件路径，epochs是轮数，数据集图片本人是700张训300轮，batch-size电脑配置差的就8，更差就4，再差你可以不要训了，抱歉  --device  填什么根据，使用gpu填0，使用cpu填cpu，当然你使用cpu等着一天就行因为真的慢

此外多提一下你可以将：resume此处的default改为True，便可以接着上一次的训练

此外本人真的要提醒yolov7真的烂，tmd训练那么gpu压根用不了多少，不能完全使用我的gpu进行训练，比yolov5，yolov8还慢，没有见过这么拉的