在github中下载Yolov7源码并解压缩
YOLOv7 源码
数据标注可以参考这篇文章
https://blog.csdn.net/qq_39779449/article/details/110172948?spm=1001.2014.3001.5502
标签格式
整体配置树结构
在Anconda中创造Yolov7环境
激活Yolov7环境 并安装Yolov7所需各种包，采用清华镜像源安装所需包（都试了一下，还是清华镜像更快）
检查刚刚环境安装是否成功
如果完全按照requirements.txt来安装的话，你会发现安装的torch版本并不是gpu版本，所以得重新安装gpu版本的才能用你的gpu来训练Yolov7
安装好后，通过pip list查看你所安装的包，如下图所示，恭喜，安装成功
在pycharm中选择刚刚安装好的Yolov7所需环境
修改配置环境
新建自己数据集的yaml文件
- train: 修改为自己的训练集路径
- val: 修改为自己的验证集路径
- test: 修改为自己的测试集路径
- nc: 修改为自己的数据集类别数量
- names: 修改为自己的数据集类别标签。
通过pycharm训练，修改train.py文件如下，然后run
也可以通过下面方法直接在终端进行训练
如果出现以下界面，恭喜你，训练成功，慢慢的等你的模型训练完成吧
在这里我们使用test.py文件中默认的参数
- data：更改为自己的数据集配置文件路径
- img：输入数据尺寸
- batch：批处理数据数量
- conf：置信度
- iou：阈值
- weights: 更改为自己的训练权重路径
- name：更改为自己的路径
对单张图片进行预测
`
python detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --source images/benign.jpg