使用train.py----yolov7

准备工作

在训练之前，数据集的工作和配置环境的工作要做好

数据集：看这里划分数据集，训练自己的数据集。_划分数据集后如何训练-CSDN博客

划分数据集2，详细说明-CSDN博客

配置环境看这里

从0开始配置环境-yolov7_gpu0是inter gpu1是nvidia 深度学习要用哪个-CSDN博客

参数设置工作

首先就是数据集  ， 我之前写的划分数据集的那个文件夹，还有data.yaml文件要设置好，然后将这两个文件放在项目文件夹下面，注意放的位置

给大家做个参考，我把我的放在了

0代表着我的项目文件夹名称

1和2就是我说的这两个文件

在这之后吗，再说其他工作

train.py参数设置

打开train.py文件，往下拉到这

如果找不到的话，安住ctrl+F键，输入               __main__

就可以搜索到

接下来是参数的设置了

weights设置

第一个是weights  ，表示的是预训练权重，这这个东西好比说是让现在训练的模型有一些训练的经验，这样会使得训练精度有一定的提升，但是不一定说一定比没有预训练权重的好，一般来说都要好一些，这个是需要下载预训练权重的，这个东西在github下载的时候那里可以下载，

这几个画圈的蓝色字体点击就可以下载的。一般来说就下载第一个就可以了，其他的参数量大，对电脑的性能要求高。

这里我给一个百度云链接，可以从这下载

链接：https://pan.baidu.com/s/1AKN_gQwnxiyOEVqn7N0rIg?pwd=hi49 
提取码：hi49

下载下来之后，就放在项目文件夹下面就行了，这样就不用改文件路径了，

参考我的位置。

如果不使用预训练权重的画，就

这里面的字删了，改成这样

就可以了，记得改完了保存一下

cfg设置

cfg就是yolov7.yaml这种文件，我们下载的官方代码，这个文件的路径在

只需要右键这个文件，复制相对路径就可以了

粘贴在这

这里要注意，每次复制路径的时候，要把\换成/，就是          cfg/deploy/yolov7.yaml

data设置

这个就是我之前说的数据集弄的那个文件，我放在了主目录文件下，就是

hyp设置

这个是一些超参数的设置，一般别动就行了

epochs设置

这个就是说的跑多少轮，现在默认是300轮，我建议一般的话先跑个100轮先试试，完了之后看看结果咋样，就是那个精度曲线，最后平的话就不用再跑了，如果还有上升的趋势的话就可以设置200再跑跑试试。

batch-size设置

这个和自己的设备有关系，如果用显卡的话，先看一下自己的显存是多少，

我的电脑显存是4G大小，这个参数的设置一般都是2的指数倍，

举个例子，假如我设置为4，我在运行代码的时候会显示显存占用的大小，比如是1.5G大小，那么我的batch-size就可以在当前设备情况下开到8，这样就可以最大的发挥显卡的使用率，跑到速度快一些。

这里我建议先试试4，再根据情况去做调整

device设置

这里就是选择设备去训练的那个参数，如果有显卡的话，我的电脑为例子，我就一个显卡，这里是从0开始计数的，我就输入0，代表着用第一块显卡训练参数，如果你有两个显卡，就输入0，1

workers设置

这个来说，一般windows系统设置0就行了，这个设置别的有时候会报错

这个对训练没啥影响。

最后

一般就这几个参数设置就可以了，在训练的时候，先选择自己的环境。训练有两种方法，一个是在终端输入指令训练，一个是点击训练按钮训练。

使用终端训练

先新建终端，然后激活自己的环境

我的这个项目配置的环境名字叫yolov7，所以我的指令是

conda activate yolov7

 

1代表着当前选择的环境名字，

2代表着当前文件位置，这个一般都是当前项目文件夹的位置

输入

python train.py

 按回车，就开始加载训练数据了

显示这个就是说在训练了

使用编译器训练

如果你会使用终端的话，这个就别看了

先在编辑器选择环境

我使用的是vscode，选择我配置的yolov7环境

在选择之后，右下角会显示当前的环境名称

右键，运行python就可以

或者直接点击训练按钮

训练文件查看

运行之后会生成run文件夹，你往里面选择你训练的就行了，他这个是自动命名字的，选择对应的就可以了