【Yolov7】配置参数以及训练模型

已于 2023-02-16 22:06:46 修改
阅读量3.5k 收藏 11
点赞数 6
分类专栏： Yolov7 Python 文章标签： YOLO python 深度学习
于 2023-02-16 22:06:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/iiinoname/article/details/129072191
版权

一、下载Yolov7

github地址：https://github.com/WongKinYiu/yolov7
或者命令行下载

git clone https://github.com/WongKinYiu/yolov7.git

二、新建一个Python环境

用Acaconda新建一个干净的环境，我命名为yolov7，python版本选择3.8
在这里插入图片描述
进入到刚刚下载的yolov7的目录中，安装yolov7所需的第三方库
在这里插入图片描述

三、修改训练数据参数

打开yolov7项目，再打开data文件夹，拷贝一份coco.yaml
1、修改里面的trian、val、test的路径，改成我们自己的数据集的路径；
2、修改分类的数量，按照自己的需求修改；
3、names中改成自己的分类的名称。
在这里插入图片描述

四、下载预训练模型

github地址：https://github.com/WongKinYiu/yolov7/releases
找一个自己想要训练的模型的文件
在这里插入图片描述
在yolov7的项目中新建一个weight的文件夹，将预训练模型放到里面。
在这里插入图片描述

五、修改训练参数

打开train.py，把下面几个参数，根据自己的实际情况改一下

  • --weights刚刚下载的预训练模型文件
  • --cfg在yolov7项目文件夹下的cfg文件夹中，选择自己对应的模型
    在这里插入图片描述
  • --data刚刚修改的数据文件
    在这里插入图片描述

六、开始训练

执行命令

python train.py

训练完成之后会提示
在这里插入图片描述

七、测试

python detect.py --weights runs/train/exp/weights/best.pt --conf 0.25 --img-size 640 --source testimg.png --device 0 --save-txt

在这里插入图片描述
在这里插入图片描述

不知道在干嘛每天
关注
  • 6
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
YOLOv7 从GitHub上下载下来的代码，根据之前的5版本对比debug了一下，可以测试本地视频了
07-19
YOLOv7 源代码 包含YOLOv7的模型.pt文件，可以利用该训练好的模型文件测试图片、视频等，也可以调用摄像头进行实时检测。速度和精度较之前版本都有很大提高.在5 FPS到160 FPS范围内的速度和精度达到了新的高度，并在GPU V100上具有30 FPS或更高的所有已知实时目标检测器中具有最高的精度56.8%AP。YOLOv7-E6目标检测器（56 FPS V100，55.9% AP）比基于Transform的检测器SWINL Cascade-Mask R-CNN（9.2 FPS A100，53.9% AP）的速度和准确度分别高出509%和2%，以及基于卷积的检测器ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度提高551%，准确率提高0.7%。
YOLOv7训练自己的数据集
qq_67954671的博客
07-09 6515
YOLOv7训练自己的数据集
yolov7（同样适用于yolov7-tiny）训练自己的数据集
qq_59810830的博客
03-30 2166
windows上使用自己的数据集训练yolov7-tiny
手把手调参最新 YOLOv7 模型 训练部分 - 最新版本（二）
热门推荐
包括YOLOv5、YOLOv7、YOLOv8等模型改进
08-28 2万+
YOLO科研Trick改进推荐 | 包括Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数
Yolov7训练自己的数据-水果检测
m0_67089871的博客
01-14 2001
2022年七月Yolov4的原班人马发布了Yolov7，本文记录了用Yolov7训练自己的数据的过程
YoloV7——配置YOLOV7（一）
戚晨夕的博客
07-18 1万+
yolov7已经发布一段时间了，今天来体验一下yolov7简单的环境配置成功了，下面我们进行训练自己的数据集。httpshttpshttpshttpshttpshttpshttpshttpshttpshttps。
YOLO V7源码解析
qq_52053775的博客
11-05 1万+
YOLO v7参数与YOLO v5差不多，我就直接将YOLO v5命令行参数搬过来了，偷个懒。
深度学习yolov5模型训练使用 模型参数-yolov5权重.pt文件
11-04
这些权重文件是2021年10月7日的v6.0，涵盖了YOLOv5的多个版本和配置。 文件详情： yolov5l.pt：89.2 MB - YOLOv5大模型权重 yolov5l6.pt：147 MB - YOLOv5大模型（6层）权重 yolov5m.pt：40.7 MB - YOLOv5中模型...
yolov5如何训练以及，训练时遇到的一些报错问题解决
01-16
Yolov5 训练和解决报错问题 Yolov5 是一个基于深度学习的目标检测算法，由 Ultralytics 公司...通过修改配置文件、修改模型文件、训练模型、使用 TensorBoard 查看参数、数据训练和推理，可以成功地训练 Yolov5 模型。
yolov3-训练过程小测-cfg配置文件
08-06
对应于yolov3-训练过程小测博客中的网络参数配置文件。有需要可以下载参考
YOLO v5安全帽检测模型代码和已训练好的模型权重
05-14
YOLO v5模型。安全帽VOC标注数据集。YOLO v5 模型代码和已保存的模型权重。...预训练模型和配置文件为均为YOLO v5s。迭代次数为50，亲测视频检测效果好。相关参数可调！ 到手直接用，有问题联系q614450979。
超详解- Yolov8模型手把手调参
最新发布
04-19
| 配置 | 模型训练 | 验证 | 推理 YOLOv8是一款前沿、最先进（SOTA）的模型，基于先前YOLO版本的成功，引入了新功能和改进，进一步提升性能和灵活性。 然而，要充分发挥Yolov8的潜力，合理的参数配置是至关重要的。...
配置YOLOv7训练自己是数据集【踩坑记录】
weixin_44292294的博客
06-01 880
随手记录一下YOLOv7的配置。环境：window 10 专业版Python3.8Pytorch2.1。
Yolov7训练自己的数据集（超详细教程）
u012254599的博客
12-22 2346
查了下原因是python和win10系统，打开文件时默认的编码方式冲突导致：python默认的是gbk，而win10默认的是utf-8，所以只要改一下python打开文件时，默认的编码就行。（PS：开始公主用的官网默认的 --batch-size 32，然后GPU out of memory了，改成16，还是out of memory，最后含泪改成8.截上图的时候还没到out of memory那一步，因此--batch-size还是32）哎呦，标的很准，可是，由于标签是中文，显示乱码“？
YOLOv7训练数据集
whaosoft143ai的博客
09-03 7570
总共有两个文件需要配置，一个是，这个文件是有关模型的配置文件；一个是，这个是数据集的配置文件。训练用到之前提到的三个文件：预训练模型、和然后运行界面如下，图中红色部分表示开始扫描数据，然后会在下生成两个缓存文件，这两个文件是方便模型进行数据读取生成的，训练过程中不要删除。扫描完后模型会开始训练，如下图。模型训练中下面简单介绍一下相关的参数。--weights weights/yolov7.pt # 接收预训练模型路径的参数。
理解yolov7网络结构
athrunsunny的博客
07-25 4926
以下是yolov7网络结构配置的yaml，对每一层的输出加了注释。
YOLOv7目标检测-训练参数1-命令行参数介绍
ThreeS_tones的博客
03-27 989
教程链接：https://www.bilibili.com/video/BV1Ve4y157pC/?p=2&vd_source=759a4e59a9e315c4575a2b4d97dfae44 train.py import argparse import logging import math import os import random import time from copy import deepcopy from pathlib import Path from threading i
yolov7模型部署——环境搭建(python 导出onnx模型，c# OnnxRunTime-GPU版调用) 踩坑记录
qing2019的博客
11-04 1万+
yolov7模型部署(python 导出onnx模型，c# OnnxRunTime-GPU版调用) 踩坑记录
极致版YOLOv7：轻量级目标检测模型
sybh的博客
04-18 1632
虽然截至2021年9月，最新的实际版本是YOLOv5，但在本文中，我们将探讨一个极致版的YOLOv7模型，具有大幅改进和提升。`main()` 函数中，我们加载模型、预处理图像、执行目标检测、在图像上绘制检测框和类别标签，并显示和保存检测结果图像。至此，我们已经实现了一个完整的目标检测程序，可以处理实时视频流、绘制检测框、保存检测结果到CSV文件，并允许用户通过命令行参数自定义设置。现在我们已经在实时视频流上实现了目标检测，接下来让我们添加一个功能，将检测到的对象的相关信息保存到CSV文件中。
yolov7训练模型
09-08
对于YOLOv7的训练模型，你需要按照以下步骤进行操作： 1. 数据准备： - 收集并标注用于训练的图像和目标的边界框。 - 将标注数据转换为YOLOv7的格式，如Darknet或PyTorch的格式。 2. 模型配置： - 下载YOLOv7的配置文件，并根据你的需求进行调整。 - 配置文件中包括网络结构、超参数、训练数据路径等。 3. 权重初始化： - 下载预训练权重，可以是COCO数据集上训练得到的权重。 - 使用这些权重初始化YOLOv7模型。 4. 训练： - 使用初始化的模型和训练数据进行训练。 - 可以选择使用GPU加速进行训练。 - 根据训练效果调整超参数，如学习率、批大小等。 5. 模型评估： - 使用验证集或测试集对训练得到的模型进行评估。 - 评估指标可以包括精确率、召回率、平均精度均值（mAP）等。 6. 模型优化： - 根据评估结果进行模型优化，如调整网络结构、数据增强等。 - 可以进行多次迭代的训练和优化。 请注意，YOLOv7是一个非官方的改进版本，因此其具体实现可能会有所不同。以上步骤提供的是一般性的训练模型指导，具体细节可能需要参考你使用的YOLOv7版本的文档或代码实现。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值