【Yolov7】Windows下训练与推理(C# Net) 总结

环境安装

• Anaconda

  • 可使用gpu，运行python脚本

• pytorch

  • 官网有安装命令行，已经做好了版本号匹配的。

• cuba

  • 在控制面板里查看版本号后去官网下载，向下兼容的，比如自己的cuda是12.2，用11.7也是ok的。这里建议不要下最高最新版，下载大家用的比较多的稳定版最好，出问题了教程也多。

• cudnn

  • 写可执行程序去推理onnx需要用到这个运行库，如果只是用python pytorh则用不到这个。

• 数据标注软件

  • labelimg

    • 标注信息默认txt格式，这种格式可直接用于训练。

  • anylabeling

    • 标注信息默认json格式，需要转换成txt，才能训练。

    • 工具内可直接预测推导，比如在功能里选择yolov7模型，可帮助我们快速标记。

训练

• train.py 在Anaconda里执行才能用GPU资源。
• P/R值
  • P/R值超低，甚至经常是0。
    • 数据是否有误，检查runs/trains下生成的训练测试图jpg是否符合预期，检查标签与框框位置。
    • 训练轮次不够，提升轮次，默认轮次300轮，训练图的特征差异大，不够典型，不充分，可能在训练50轮次以内，都看不到好的效果。
  • P/R值 持续为Nan/0
    • 检查运行环境。
    • 按照官方提示的pytorch安装指引来，版本号要对应。
• 标签平衡
  • v7已经有自动平衡标签能力，但还是尽量保障每个标签提供的训练图足够多样和充分。
• 常规常见下，是需要使用init weight，这样训练的效果好，因为已经有了权重。

  

推理预测：

• 计算效率 tensorrt>onnx，提速可以尝试tensorrt。
• onnx检查依赖环境，onnx-runtime、cudnn。

dll依赖：

1. 会报错“onnxruntime_providers_cuda.dll”
2. 众多dll被依赖，这些dll可以手动全部放在exe目录下，也可以直接将目录设置到系统环境变量，每次修改环节变量，都需要重启进程，比如cmd要重启，VS也要重启。
   1. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
   2. C:\Program Files\NVIDIA\CUDNN\v9.0\bin\11.8
3. cudnn也要注意版本号，比如有些onnx依赖的是cudnn-8，就必须给他用8版本的cudnn。

#windows上调用cuda去 使用GPU来进行预测

-需要下载cudnn，cuDNN 9.0.0 Downloads | NVIDIA Developer

-环境变量要配置  

比如 ：

也可以尝试把这些dll放在程序目录下

否则，可能会遇到 load library的错误。

LoadLibrary failed with error 126 "" when trying to load "onnxruntime_providers_cuda.dll"