YOLOv9 训练自己的数据集

一、YOLOv9论文

论文地址：2402.13616.pdf (arxiv.org)

源码地址：WongKinYiu/yolov9: Implementation of paper - YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information (github.com)

二、训练数据集 

准备好自己的数据集并在yolov9-main/data下创建yaml文件：

格式如下： 

train: D:/XX/XX/yolov9-main/XX/dataSet_path/train.txt
val: D:/XX/XX/yolov9-main/XX/dataSet_path/val.txt
test: D:/XX/XX/yolov9-main/XX/dataSet_path/test.txt

# number of classes
nc: XX
# class names
names: ["XX","XX"]

在train.py中设置

1是添加预训练的权重yolov9-c.pt，权重文件在github上下载。

2是训练模型的yaml文件位置

3是上一步创建的myvoc.yaml文件的位置

4把原本的hyp.scratch-low.yaml改成hyp.scratch-high.yaml

5总共的训练次数

6.7要是电脑内存有限，这两个参数调小一点

运行train.py并处理报错

到D:\Deeplearning\yolov9-main\utils\loss_tal.py中修改

在原本的else p后边加上[0]：

继续运行train.py可以看出已经成功开始训练。