yolov9代码下载地址及运行注意事项

新年刚过，yolov9就随着开学的脚步来了，可能很多人v8都还没看懂，但是这不妨碍我们对v9进行一个学习。本文主要是针对yolov9的下载步骤以及下载过程中可能会出现的问题做一个记录。

yolov9论文：YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information

代码下载地址：https://github.com/WongKinYiu/yolov9

从网址进去以后，我们会进入如下的界面，然后点击绿色按钮Code，里面会有下载整个代码压缩包的指令。

压缩包下载好一会我们还需要下载一个预训练的模型，在刚刚下载代码的界面下，往下翻找到下图所示的位置，红色方框内的文件就是已经训练好的预训练模型，点击其中一个进行下载即可，我这边下载的是第一个模型。

代码压缩包及预训练的模型下载好后，首先要做的是先将代码压缩包进行解压，解压在同一个文件夹下，然后将下载的预训练模型放入压缩后的文件夹下。这全部都准备好后通过python编译器将该文件打开，选择合适的环境，之前跑过yolo系列的uu可以直接选择之前的环境即可，没有跑过的uu可能就要麻烦一点，得自己重新配环境，不过这也很简单，在终端运行一下pip install -r requirements.txt 该语句即可，这其中可能会出现一些无法直接安装的库，这个时候可能就需要我们对这些无法直接安装的库进行一个一个的安装，在终端或者设置里面安装都是可以的，实在无法安装的库就需要找一找安装的教程。当我们所有的库都安装好以后，我们可以通过detect.py来验证我们的安装是否安装上了。

值得注意的是，在我们下载的代码文件中，作者并没有给出用于试验环境是否装正确的图片，我们需要自己放几张图片进去用于验证。如下图所示，我们需要在data文件夹下新建一个叫做images的文件夹，然后将我们准备好的图片放入其中，我这里是放置了一张COCO数据集里的图片。

图片放置好以后，回到detect.py文件，找到parse_opt，如下图所示，将蓝色方框里的预训练模型改成我们下载好的预训练模型，接下来就可以试着运行了。

运行成功后我们会在runs文件夹下得到生成成功的图片。下图是我得到的最终的图片。

这就说明我们的环境搭建是成功的，就可以进行后续的一系列操作啦。