【yolov7】训练自己的数据集-实践笔记

使用yolov7训练自己的数据集，以RSOD数据集为例，图像数量976，一共四类。
yolov7源码：https://github.com/WongKinYiu/yolov7

同时在该网址下载好预训练文件，直接放到yolov7-main/下

1.环境配置

2.数据集准备

前两步与yolov5相同，参考【yolov5】训练自己的数据集-实践笔记

测试

直接执行detect.py 会使用yolov7.pth对项目下路径inference/images中的图片进行预测，预测结果保存在runs/detect/exp/下

3.训练

若之前使用其他版本的yolo训练过数据集，建议先删除数据集下的train2017.cache 和 val2017.cache 文件

3.1.修改配置参数

修改train.py中的参数：
a. 修改epochs，batch–size，根据自己的配置来，若报内存溢出就把batch–size调小一点，一般为2的倍数，
workers默认值为8，设置小一点，否则容易发生内存不够问题

b. 修改weights为预训练文件路径，修改data为自己的数据集配置yaml文件路径，cfg为 cfg/training/yolov7.yaml。

或使用命令行：

python train.py --workers 4 --device 0 --batch-size 8 --data data/ROSD.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights '' --name yolov7 --hyp data/hyp.scratch.p5.yaml

3.2.debug

（1） [x[‘name’] for x in response[‘assets’]] # release assets KeyError: ‘assets’
CalledProcessError: Command ‘git tag’ returned non-zero exit status 128
这个错误是使用预训练权重，但没有下载好文件，自动下载出错导致的，所以要注意下载好预训练权重。

（2）tag = subprocess.check_output(‘git tag’, shell=True).decode().split()[-1] IndexError: list index out
原因：权重文件路径写错了

3.3.训练可视化

终端执行命令

tensorboard --logdir runs/train/exp --port=8008

训练结果：

4. 测试

修改test.py的参数 weights为训练得到的权重路径runs/train/exp/weights/best.pt，修改batch, data。

或使用命令行

python test.py --data data/ROSD.yaml --img 640 --batch 8 --conf 0.001 --iou 0.65 --device 0 --weights runs/train/exp/weights/best.pt --name yolov7_640_val

得到测试结果：

模型参数：‘layers’, ‘parameters’, ‘gradients’, ‘GFLOPs’
精度参数：‘P’, ‘R’, ‘mAP50’, ‘mAP50-95’
速度参数： ms inference, ms NMS ,ms total per 640x640 image at batch-szie 8

混淆矩阵，PR曲线一些图像会保存在runs/test/exp文件夹下

5.预测

修改detect.py中的参数weights和 source，weights为runs/train/exp/weights/best.pt
单张图像预测则 source 为图像路径，多张图像source为文件夹路径

或使用命令行：

python detect.py --weights runs/train/exp/weights/best.pt --conf 0.25 --img-size 640 --source inference/images/horses.jpg

预测结果保存在runs/detect/exp下
预测结果：

参考：
1.解决yolov7bug(Command ‘git tag‘ returned non-zero exit status 128.)(IndexError: list index out of ran)