第一次在Linux上运行YoloV7（环境安装==图片检测）

准备

首先第一步下载全部工程代码

GitHub 链接：https://github.com/WongKinYiu/yolov7

• 下载zip文件然后安装至服务器

（下载方法）

• 这个方法是设备上安装了git

 命令：git clone 项目.git

（复制这个链接）

---

通过这个sh脚本获取coco数据集（我用的这里面的数据集，二十几个G）

可以下载coco128只有几兆（用这个的话记得改一下配置文件的代码）

链接：https://ultralytics.com/assets/coco128.zip

---

环境搭建

 在服务器上创建一个conda虚拟环境，我这里用的是python3.8的版本

指令：

 、、
conda create -n  python==3.8
、、

激活虚拟环境，再进入到yolov7-main文件夹下，运行以下命令查看NVIDIA coda核心的版本，看看符不符合依赖运行

指令：

、、
nucc- V
、、

安装1.12.1版本的PyTorch，连接镜像

ps：yolov7需要这个哦 

指令：

、、
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
、、

按照项目需求去安装对应的Python库，运行需要额外Python库的项目

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

  最后可以运行模型训练的命令，如果没有报错，则说明环境完全搭建好了

---

模型训练

配置完之后用以下代码进行训练

单CPU训练：

、、
python train.py --workers 8 --device 0 --batch-size 32 --data data/coco.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights '' --name yolov7 --hyp data/hyp.scratch.p5.yaml
、、

多CPU训练：

# train p5 models
python -m torch.distributed.launch --nproc_per_node 4 --master_port 9527 train.py --workers 8 --device 0,1,2,3 --sync-bn --batch-size 128 --data data/coco.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights '' --name yolov7 --hyp data/hyp.scratch.p5.yaml

# train p6 models
python -m torch.distributed.launch --nproc_per_node 8 --master_port 9527 train_aux.py --workers 8 --device 0,1,2,3,4,5,6,7 --sync-bn --batch-size 128 --data data/coco.yaml --img 1280 1280 --cfg cfg/training/yolov7-w6.yaml --weights '' --name yolov7-w6 --hyp data/hyp.scratch.p6.yaml

---

推理（用的是文件里有的图片）

图片：

python detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --source inference/images/horses.jpg

视频（自定义视频）：

python detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --source yourvideo.mp4

运行成功

---

效果：

 查看结果可以使用

也可以用插件（这个更方便）