![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
YOLO
文章平均质量分 77
木子一个Lee
你好
展开
-
使用Bubbliiiing版本的yolov7训练自定义VOC格式的数据集
这里有一点需要说明,就是脚本voc_annotation.py里的annotation_mode参数,如果你没有上图的文件,即VOCdevkit/VOC2007/ImageSets里面的4个txt文件以及2007_train.txt、2007_val.txt,那么就使annotation_mode=0;如果只有2007_train.txt、2007_val.txt,那么就使annotation_mode=1;接着使用脚本voc_annotation.py(在根目录)进行数据集的划分以及格式的转换,原创 2024-02-21 20:38:25 · 1322 阅读 · 0 评论 -
使用官方yolov7训练自定义VOC格式的数据集
根据需要修改trian.py,选择预训练权重(我用的是yolov7_training.pt,yolov7.pt也行),cfg是模型配置文件,也就是我们之前修改的yolov7.yaml文件,data是数据集配置文件,也就是我们自己制作的mydata.yaml,epochs根据自己情况设置;device选择0,使用gpu0训练,workers是线程数,根据自己的电脑设置,虚拟内存小的可以设置小一些,否则可能会报“OSError: [WinError 1455]页面文件太小,无法完成操作。训练结束后,可以进行。原创 2024-02-21 20:32:07 · 982 阅读 · 2 评论 -
【解决方案】OSError: [WinError 1455] 页面文件太小,无法完成操作。
今天在windows系统下调试,遇到的一个bug,特此记录,并附上解决方案,请往下看。转载 2024-02-21 20:11:08 · 931 阅读 · 0 评论 -
YOLOV7开源代码讲解--训练参数解释
数据集路径,默认为coco.yaml,主要定义数据集路径,以txt文件保存【训练集、验证集和测试集】,类的数量【默认nc=80】,类名【names】。训练中模型的参数定义,采用yaml文件【注意是training下的yaml,不是deploy下的】,可以用于模型的选择。设置为True,超参数优化,可以选择自己的更有的超参数(但资源消耗也很厉害),一般情况下用不到。设备选择,如果是GPU就输入GPU索引【如0,1,2..】,CPU训练就填cpu。默认为False,如果想要开启该功能,需要指定模型路径。转载 2024-02-21 20:09:04 · 276 阅读 · 0 评论