配置YOLOV9环境并训练自定义数据集

YOLOv9如期而至，现记录安装过程，大家放心走路，我先埋坑为敬：

首先附上YOLOv9的官方下载地址：https://github.com/WongKinYiu/yolov9?tab=readme-ov-file

用一下官方图（os：读书人不能叫Tou，用好叭）

一、环境配置

首先安装环境：我这里直接用anaconda(不会的自行百度，不多介绍)：

官方要求的torch版本：

这里为了方便我直接统一用自己的版本

1.1创建环境：

conda create -n YOLOV9 python=3.9.17 

//(我自己其他用的是这个版本，用其他版本也可,出错不怪我)

                                                         达成甩锅达人称号

1.2激活环境(一定不要忘记，否则环境会乱掉)：

conda activate YOLOV9

可以看到，原来是处于base环境，激活刚才创建的YOLOV9环境再来装其他包

1.3安装pytorch（注意这个cuda，30系的显卡必须使用11+版本，其他显卡，自己酌情选择版本）

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

这是赌狗的官方源下载，碰到网络问题就G了，可以参考大佬的换源文章，寻找每一个包，我个人感觉有点麻烦，所以直接赌狗。附上大佬帖Conda 替换镜像源方法尽头，再也不用到处搜镜像源地址_conda换源-CSDN博客

conda临时换源用 -c命令，但是我自己实测，这几个包好像只有官方能一次性下下来，上面大佬方法是逐个包去找估计能找到

2000 years later...

可以看一下有没有安装成功

conda list

看到包好像是有了，测试一下

终端命令：

python
import torch
torch.cuda.is_available()

 返回True一般没啥问题了

1.4安装剩余的包，我直接先用pytorch打开工程再说

打开工程，我喜欢直接往脸上拖代码 

                                               达成铁头娃称号

 

 我直接给他叉了，看右下角配置解释器：，

点击这个No interpreter--->Add NEW Interpreter----> 添加本地解释器，服务器玩家点On SSH配置刚才创建的环境，其实都差不多

选中刚才创建的环境，看图选中YOLOV9，点击ok

 可以看到右下角已经有解释器了

打开pycharm里面的终端，安装剩下的包

可以看到是在工程目录下，直接pip

pip install -r .\requirements.txt

linux是/,windows用\ ，下不了可以换源（这里如果用pip慢的话，要换pip源，自行百度）

附上几个源吧：pip临时换源一般用-i 源地址

https://pypi.tuna.tsinghua.edu.cn/simple

https://mirrors.aliyun.com/pypi/simple/

https://mirrors.163.com/pypi/simple/ 

使用举例（注意这只是临时换源）：

pip install -r .\requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

环境到这里就告一段落了

二、训练自定义数据集

2.1数据集： 

我用了自己的数据集：注意组织数据集的形式，

原来的yolo格式的数据格式也能训练（我用的yolo格式，如下）

这两个cache不是

但注意一下数据集data.yaml注意和其他版本有某些区别，nc一项不在这个文件中配置。

比如我只有fall一个类，尽可能用绝对路径吧

然后配置nc，比如我想使用models/detect/yolov9.yaml配置文件，可以看到nc在这里，配置成自己的类别数就好了

2.2训练

使用train.py会报错  AttributeError: 'list' object has no attribute 'view'，

，官网上说用train_dual.py,目测没有问题，警告的话不用在意

 主要改:

cfg:这个是调模型大小的，就是model-->detect中的三个，

weights:默认不使用预训练模型，要的话去github上下载，填进去即可

yolov9.yaml，yolov9-c.yaml,yolov9-e.yaml，

测了一下三个分别模型是50,60,70M左右，

与宣传有一点不符合(版本问题也不能差这么大吧)估计测试参数和flops这里有bug，这里先不讨论

                              small和tiny作者本人说的是文章接受再释放，可以理解

data：就是刚才要注意的data.yaml这个文件

hyp：超参数，注意目录下只有hyp.scratch-high.yaml，刚才用train.py用的是low.yaml,但是代码没有提供。

epoch：训练的轮次，跑两个意思一下

batch-size和image-size，我用的是3090，所以直接用16,640能跑，如果显存不够出现out ofMemory将batch或者imgsz调小即可

调好之间右键RUN就ok啦，喜欢命令行的自己输入一下，我比较喜欢右键

跑了两轮：

测试一下：best.pt

2.3验证（不出图）

直接用这个val.py试了一下也有问题，AttributeError: 'list' object has no attribute 'device'

那还是用这个val_dual.py吧

和刚才改的差不多，主要改

data（不说了）

batch和imgsz（出现out of memory调小这两个参数，默认32，我估计跑不动，我用的16）

device(我这里只有一张显卡，所以填0)

右键，run

 精度很低毕竟就跑了两个epoch，自己试吧。

这里跑的也是验证集，要跑测试集的把val里的改成test即可

（为了严谨：训练的时候还是改成val，测试改成test吧）

2.4检测（有图）

好吧，头铁试一下detect.py,不出所料：AttributeError: 'list' object has no attribute 'device'

直接试这个detect_dual.py吧，

看下效果：

就训练了两个epoch能标出一个框可以了，哈哈。

随手记录，如果有帮助记得三连支持一波，谢谢！！！

补充

        1、

        烦人的警告：AttributeError: 'FreeTypeFont' object has no attribute 'getsize' 

        解决方案：pip install Pillow==9.5.0