目录

一、环境安装

1、创建虚拟环境

2、安装依赖库

二、数据集准备

1、数据集的文件名

2、划分数据集

3、配置数据文件

4、修改模型结构文件的类别

5、下载模型预训练权重

三、训练

1、训练的三个文件介绍

2、训练

3、验证

4、检测单张图片

四、附录

1、训练参数

2、验证参数

3、预测参数

4、训练模型权重 YOLOv9.pt 重新参数化轻量转为 YOLOv9-converted.pt

5、FPS如何得到

五、报错处理

1、提示：AttributeError: 'FreeTypeFont' object has no attribute 'getsize'

2、提示：libGL.so.1: cannot open shared object file: No such file or directory

3、训练的P、R、mAP等均为0

4、运行detect.py提示：AttributeError: 'list' object has no attribute 'device

---

一、环境安装

1、创建虚拟环境

conda create -n yolov9 python=3.8
 
# 激活yolov9 env
conda activate yolov9

2、安装依赖库

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

如果是已经存在的torch环境安装，可以在requirements.txt文件中删掉torch后安装（避免安装的不是GPU版本）

二、数据集准备

1、数据集的文件名

在代码根目录下，新建一个datasets的文件夹，并对这个文件夹新建下面三个文件夹，并放入对应的数据。

• Annotations里面存放标签xml文件。
• JPEGImage 里面存放原始图片。
• labels文件夹里面存放的是标签txt文件（YOLO用的也是这种类型的标签）。这个文件夹里的文件是通过脚本生成的。

yolo的标签格式，即：