目录

一    
    
    
    
    
、获取大佬的yolov7源码

二


     


     


     


     


  、配置深度学习环境

三
 




 




 




 




 
、准备数据集 

四   

   

   

   

   

、用yolo v7训练自己的数据集

五 

     

     

     

     

 、用训练好的模型测试

六

  




  




  




  




  、用训练好的模型预测

一  


  


  


  


  


、获取大佬的yolov7源码

yolov7源码地址    
    
    
    
  ，把ZIP文件下载后解压     


     


     


     


     
，打不开链接记得使用魔法




 




 




 




 




，魔法自己找这个没办法教    
    
    
    
  。或者也可以选择通过我分享的网盘下载：链接：百度网盘下载链接
   

   

   

   

 ，提取码：yam3     


     


     


     


     
。

 打开解压后的文件夹应该可以看到这个页面




 




 




 




 




。

二  
     
     
     
     
、配置深度学习环境

我的环境是：WIN10


   




   




   




   




   、RTX2060 



 



 



 



 


、Python=3.7
   

   

   

   

 。

这里推荐使用Anaconda来创建环境     

     

     

     

     ，自己先在电脑上安装好conda的运行环境 




  




  




  




  




，这里特别注意在安装的时候记得把conda添加到环境变量中     

     

     

     

     。具体怎么安装Anaconda网上教程一大堆

  


  


  


  


，随手一搜都有     
     
     
     
     ，如果这都搞不定建议暂时先别学深度学习了 




  




  




  




  




。

再检查一下自己有没有安装好conda  




   




   




   




   



，win+r输入cmd再按Enter


 



 



 



 



，进入命令行界面后输入conda -V                        ，如果报错了就可能安装了anaconda但是没配置环境变量   




    




    




    




    


，或者是其他问题导致的报错























，建议先想办法解决一下这个问题                       ，如果显示的和下面一样那就是正常的    



     



     



     



     

，可以继续往下看

  


  


  


  


。

 下一步新创建一个yolov7的环境
























，命令行输入：

conda create -n yolov7 python=3.7

激活环境：

conda activate yolov7

 下一步根据项目文件夹的requirements.txt下载安装所需要的包和库    
    
    
    
  ，在yolov7的环境下运行这条命令：

pip install -r 项目绝对路径/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装好后注意     


     


     


     


     
，如果你是用GPU来训练的话




 




 




 




 




，需要重新安装pytorch框架
   

   

   

   

 ，上面通过requirements.txt安装的pytorch包不是GPU版本的     

     

     

     

     ，需要另外重新安装GPU版本的pytorch 




  




  




  




  




，命令行运行这条命令重新安装pytorch：

pip install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html -i https://pypi.tuna.tsinghua.edu.cn/simple

另外提醒一下这个pytorch的版本要根据自己GPU的型号来确定

  


  


  


  


，有可能会因为cuda版本问题在train的时候出现报错     
     
     
     
     ，不过这个问题我自己没遇到过  




   




   




   




   



，现在安装的这个版本在2060和3090上都能直接跑数据集不会出现报错     
     
     
     
     。

安装好后打开Pycharm


 



 



 



 



，依次点击文件（file）-- 打开（open）-- 选择到项目文件夹（名字是yolov7-main）  




   




   




   




   



。

 最后再去设置里面把Python的解释器设置成刚开始用conda创建的yolov7环境

三                       、准备数据集 

准备yolo格式的数据集                        ，也就是每个图片要对应一个txt文件格式的标签


 



 



 



 



。目前很多目标检测的数据集都是voc格式的   




    




    




    




    


，要把voc格式转化成yolo格式的                        。现在制作yolo格式数据集的方法和voc格式转yolo格式的方法都有很多























，随手一搜都有的   




    




    




    




    


。因为每个人自己数据集的情况都不一样                       ，就不再这篇文章里介绍了    



     



     



     



     

，建议根据自己数据集的实际情况对症下药























。 注意自己数据集的文件结构
























，建议保持和下面的文件结构一致    
    
    
    
  ，不然可能会报错                       。  在data文件夹下面另外创建一个文件夹     


     


     


     


     
，文件夹名自己取（我自己的叫boat_dataset）




 




 




 




 




，里面保存自己的数据集    



     



     



     



     

。 在boat_dataset文件夹下面创建两个文件夹images和labels（为了展示所以只显示了几张图片
   

   

   

   

 ，实际上我的训练集是很大的）
























。 images和labels文件夹下面都再另外创建两个文件夹train和vaild    
    
    
    
  。 images文件夹里面保存原始图片     

     

     

     

     ，labels文件夹下面保存txt文件格式的标签 




  




  




  




  




，这两个文件夹里面存的东西应该是一一对应的

  


  


  


  


，里面文件的命名也应该是对应的     
     
     
     
     ，也就是一张图片和对应标签的命名应该只有.jpg和.txt的区别  




   




   




   




   



，命名别乱改     


     


     


     


     
。 在boat_dataset文件夹里面要有train.txt和valid.txt


 



 



 



 



，里面保存了找到每个图片文件的路径




 




 




 




 




。 classes.txt里面保存要检测的目标的类别名称                        ，一个类别一行
   

   

   

   

 。 以上介绍了yolo数据集的格式和文件结构   




    




    




    




    


，如果还有不明白的地方可以去搜索关键字：yolo格式数据集     

     

     

     

     。 然后在data文件夹下面创建一个叫boat_dataset.yaml的文件























，里面写这些东西：

 再提醒以下文件结构                       ，如果是初学者的话    



     



     



     



     

，最好是按照我上面说的
























，如果因为把文件摆在其他地方而导致了报错 




  




  




  




  




。

  


  


  


  


。     
     
     
     
     。  




   




   




   




   



。至此数据集就准备完毕了


 



 



 



 



。’

四



    




    




    




    




   、用yolo v7训练自己的数据集

首先在cfg/deploy里面选一个yolo的版本

 我选的是yolov7x.yaml    
    
    
    
  ，打开这个文件     


     


     


     


     
，只需要改一个地方                        。

 下一步是在github上下载对应的权重文件




 




 




 




 




，看清楚你在上一步选择的是哪个yolov7的模型
   

   

   

   

 ，然后下载对应的权重文件   




    




    




    




    


。如果下载不下来可以看看我分享的百度网盘     

     

     

     

     ，提取码：oz0g























。

 然后在yolov7-main里面创建一个叫weights的文件夹 




  




  




  




  




，把你下载的权重文件放进去                       。

打开train.py

  


  


  


  


，下拉找到代码里设置的命令行参数项     
     
     
     
     ，按照自己的情况进行修改    



     



     



     



     

。

上面这些设置好之后运行train.py  




   




   




   




   



，如果一切顺利的话


 



 



 



 



，慢慢等训练完成就行了
























。如果你没有改代码其他设置                        ，那么你可以在runs/train/exp文件夹下获取这次训练的有关信息   




    




    




    




    


，runs/train/exp/weights文件夹里面保存了这次训练结束后整个网络模型的权重























，后面进行检测时会用到    
    
    
    
  。

五






















、用训练好的模型测试

打开test.py                       ，找到命令行参数设置项

 设置好后点运行就是了    



     



     



     



     

，运行结果会保存在runs/test/exp文件夹里面
























，我自己没有设置测试集    
    
    
    
  ，所以不展示运行结果了     


     


     


     


     
。注意如果你要测试的话一定要在自己数据集的.yaml文件里面写清楚test.txt文件的路径     


     


     


     


     
，在文章上面也提到了




 




 




 




 




。

六                        、用训练好的模型预测

首先把需要预测的图片放在inference/images文件夹下

 然后打开detect.py文件




 




 




 




 




，修改命令行参数
   

   

   

   

 ，和上面的一样     

     

     

     

     ，就不赘述了

 设置好后点击运行 




  




  




  




  




，运行结果保存在runs/detect/exp文件夹里面

以上就是yolov7训练的整个过程

  


  


  


  


，有问题可以在评论区提问或者私信我
   

   

   

   

 。也欢迎也欢迎私信和我讨论有关目标检测和目标跟踪方向的内容！