yolov7训练自己的数据集-gpu版

• 人工智能

yolov7-gpu

  • 一级目录
    • 二级目录
      • 三级目录
  • 1.下载yolov7源码
  • 2.安装Anaconda(选装可以不下)
    • 1.安装Anaconda
    • 2.创建虚拟环境
  • 3.安装依赖(这里演示的是不使用Anaconda虚拟环境)
    • 1.注释掉requirements.txt中默认的torch(默认安装为cpu版)
    • 2.安装gpu版本的torch
  • 4.下载权重
  • 5.标注数据集
    • 1.创建所需文件夹
    • 2.下载labelImg标注工具
    • 3.labelImg使用
  • 6.配置训练的相关文件
  • 7.开始训练
  • 8.使用训练的.pt文件进行检测

一级目录

二级目录

三级目录

1.下载yolov7源码

yolov7官网： https://github.com/WongKinYiu/yolov7

在这里插入图片描述

2.安装Anaconda(选装可以不下)

1.安装Anaconda

miniconda清华源：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

安装最新款的

2.创建虚拟环境

在开始中找到Anaconda并打开

在这里插入图片描述

1.创建

conda create -n yolov7 python=3.7 -y

2.激活

conda activate yolov7

在这里插入图片描述

3.安装依赖(这里演示的是不使用Anaconda虚拟环境)

1.注释掉requirements.txt中默认的torch(默认安装为cpu版)

打开yolov7源码找到最下面的requirements.txt打开并将torch那一行注释

在这里插入图片描述

打开终端安装依赖

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

2.安装gpu版本的torch

1.直接跳转看详细版

详细版: https://blog.csdn.net/qq_62975494/article/details/129736414?spm=1001.2014.3001.5501

2.我也不知道叫什么版

不想写了自己点上面连接看详细版

4.下载权重

1.官网下载

yolov7官网： https://github.com/WongKinYiu/yolov7

往下滑找到这点击速度特别慢

在这里插入图片描述

2.百度云盘下载

链接: https://pan.baidu.com/s/1MHW31AIKcqHXYpt9bxenQA

提取码1234

5.标注数据集

1.创建所需文件夹

在这里插入图片描述

创建一个文件夹来存放数据集然后images用来存放图片labels用来存放标注的文件train:val的比例推荐4：1

2.下载labelImg标注工具

先打开Anaconda(或者终端)

下图为Anaconda

anaconda

安装

pip install labelImg

安装成功后cmd中输入labelImg即可打开

labelImg

详情参考

链接: labelImg使用教程

3.labelImg使用

在这里插入图片描述

在这里插入图片描述

按下w选中你要标注的物体即可

标注完成后如图所示labels中的txt文件对应images中的图片

在这里插入图片描述

在这里插入图片描述

6.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(起一个你想要的名字)然后打开

在这里插入图片描述

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。(起一个你喜欢的名字)打开后进行更改如下图

在这里插入图片描述

7.开始训练

如果你用的是anaconda虚拟环境先进入yolov7文件夹cmd激活虚拟环境

conda activate yolov7

然后开始训练如果你没有使用虚拟环境可跳过上一步

下面是打开cmd的方法

在这里插入图片描述

输入命令开始训练

python train.py --weights yolov7x.pt --cfg cfg/training/yolov7-xxx.yaml --data data/xxx.yaml --batch-size 8 --epoch 300 --device 0

对参数解释

–cfg 接受模型配置的参数

–data 接收数据配置的参数

–device 0 训练类型，我是一块GPU 所以用0

–batch-size 8 GPU内存大小决定

–epoch 训练次数，建议300

–weights 训练的权重

在这里插入图片描述

last.pt为最后一次的权重

best.pt为测试效果最好的权重

8.使用训练的.pt文件进行检测

python detect.py --weights best.pt的位置 --source 检测的文件位置 --device 0

在这里插入图片描述

在./runs/detect中可查看结果

在这里插入图片描述

over(推荐使用线上gpu)

本文来自网络，不代表协通编程立场，如若转载，请注明出处：https://net2asp.com/9fcaf7aca5.html

赞 (0)
« 上一篇 1天前
下一篇 » 1天前

相关推荐