yolov9 训练自己数据集＜日志＞

1. 下载v9代码：https://github.com/WongKinYiu/yolov9

2. 配置环境（默认已配好anaconda，python3.8+，PyTorch，）参考：https://blog.csdn.net/chenhaogu/article/details/131161374

进入自己配好的环境，终端输入：

conda activate py39（自己python环境名称）
cd N:\code\yolov9-main
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

3）提示：建议不安装cleaeml，如果安装了clearml，记得注册（不注册会报错：MissingConfigError: It seems ClearML is not configured on this machine!）

1）官网注册

2）右上角进入个人主页，依次点“Setting”--“Workspace”--“+Creat new credentials”

如图，然后复制这段api（本地账户的配置，每个都不一样，所以需自己去官网获取）：

3）安装clearml。终端输入：

pip install clearml -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装完后继续输入：clearml-init

直接粘贴刚才复制的api，最后显示以下内容安装完成。

4. 制作数据，与v5、v7、v8相同，制作方式参考

划分好train和val数据，最终：

images内放train和val图片，labels放对应标签，图片名和标签名一定要一致。

5. 修改模型配置文件：

打开地址models/detect/yolov9-c.yaml，修改nc值，nc值为你制作的数据目标种类个数。

6. 制作数据加载配置文件  yourdata.yaml：

path: N:/code/YOLOv9/data_maker/data63  # 数据根地址
train: images/train  # train images
val: images/val  # val images、
test:   

# 定义种类名称
names:
  0: UAV

7. 按v9官网提示，终端输入：

（gpu单卡训练）：win系统记得改workers为0；data为上一步制作的数据加载配置文件

python train_dual.py --workers 8 --device 0 --batch 16 --data data_maker/yourdata.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15

（gpu多卡训练）：data为上一步制作的数据加载配置文件

python -m torch.distributed.launch --nproc_per_node 8 --master_port 9527 train_dual.py --workers 8 --device 0,1,2,3,4,5,6,7 --sync-bn --batch 128 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15

开始训练：

记录bug：在自己电脑训练没有问题，迁移至超算后报错：

COMET ERROR: Failed to set run cmd args
Downloading https://ultralytics.com/assets/Arial.ttf to /HOME/scz0993/.config/Ultralytics/Arial.ttf...

经查询是GPU无下载权限，手动在https://ultralytics.com/assets/Arial.ttf下载后在超算输入：

cp  Arial.ttf /HOME/scz0993/.config/Ultralytics/Arial.ttf

解决问题