yolov7训练自己的数据集

已经安装好anaconda,在pycharm中训练

一、创建项目，安装yolov7

1、创建虚拟环境

打开pycharm,点击新建项目,更改Location(一般默认位置，更改项目名)

conda activate yolov7

选择interpreter -anaconda3

点开pycharm 中的Terminal,创建yolov7环境

 conda create -n yolov7 python=3.7 -y

激活

 conda activate yolov7

2、下载yolov7源代码

官网：GitHub - WongKinYiu/yolov7: Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

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

3、下载权重

打开官网，找到Testing,任选一个 .pt文件，下载权重，将下载好的权重放入yolov7文件夹

4、安装依赖

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

二、运行目标检测

On video:

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

On image:

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

运行结果在runs/detect文件夹中

三、训练自己的数据集

1、创建所需文件

在yolov7工程项目下创建datasets文件夹，datasets文件夹中创建子文件夹 images 和 labels ,并在相应的文件夹下创建train 和 val 文件夹，分别放训练集和验证集的数据。

2、对自己的数据集进行标注

标注工具：labellmg

参考::::labelImg使用教程

3、配置训练的相关文件

总共有两个文件需要配置，一个是/yolov7/cfg/training/yolov7.yaml，这个文件是有关模型的配置文件；一个是/yolov7/data/coco.yaml，这个是数据集的配置文件。
1.第一步，复制yolov7.yaml文件到相同的路径下，然后重命名，我们重命名为yolov7-xxx.yaml然后打开，将 nc 修改为自己数据集的类别数

2.复制coco.yaml文件到相同的路径下，然后重命名，我们命名为xxx.yaml。打开后进行更改

将train:  val: 修改为自己图像的路径

nc 修改为自己数据目标的总数

names 修改为自己数据集标注的类别，注意顺序不能乱

四、正式训练

  python train.py --weights yolov7.pt --cfg cfg/training/yolov7-xxx.yaml --data data/xxx.yaml --batch-size 8 --epoch 300 --device 0

将xxx改为自己的文件名称

这里采用gpu进行训练，若用cpu去掉 --device 0即可

自己训练时出现报错：.RuntimeError:indices should be either on cpu or on the same device as the indexed tensor (cpu)

这里参考YOLO7报错：indices should be either on cpu or on the same device as the indexed tensor (cpu)_猿代码_xiao的博客-CSDN博客

成功解决

五、使用自己的权重

刚训练出来的权重在runs/train/circle/weights中，选择best.pt测试自己的数据

  python detect.py --weights best.pt --source xxx --device 0

将xxx换成自己的图片路径