yolov9训练自己的数据集+验证+报错修改_yolov9 自己的数据集

目录

说明

1、下载代码+安装新的python环境

2、准备数据

3、修改代码

报错及解决

---

说明

本文参考该博主的文章，在已经有数据的情况，进行简单总结。感谢大佬！需要详细版见原文链接如下：YOLOV9保姆级教程-CSDN博客

1、下载代码+安装新的python环境

代码下载：GitHub - WongKinYiu/yolov9: Implementation of paper - YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information

pycharm打开下载的yolov9的文件，点击Terminal。

先输入： conda deactivate  为了退出(base)

然后新建环境：conda create -n yolov9(环境名称) python=3.8

进入环境：conda activate yolov9

安装所需：pip install -r requirements.txt

此时我们安装的只是基础的CPU状态，如果需要使用GPU训练，需要在pytorch中找到适合自己的cuda版本的torch口令然后下载。（我用的原博主的，因为我自己选的有问题hhh）

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia

找到适合自己的cuda版本方法：①打开NVIDIA控制面板：

一般按照上面操作，环境就配好了。可以在train.py里面调试一下使用torch.cuda.is_available()来判断是否GPU成功可用。

2、准备数据

新建datasets文件，包含images和labels。

新建my_data.yaml，内容如下：path改为自己的datasets位置

path: D:\documents\yolov9-main\datasets  # dataset root dir
train: images/train  # train images (relative to 'path') 128 images
val: images/val # val images (relative to 'path') 128 images
test: images/test # test images (optional)
 
nc: 2
 
# Classes
names:  
  0: xxx
  1: xxx

images和labels分别放置准备好训练集验证集测试集，labels是txt格式的数据

3、修改代码

–weights ： 此处更改为下载的yolov9-c.pt的绝对路径
–cfg ： 此处更改为yolov9-c.yaml的绝对路径
–data ： 此处更改为自己新建的data.yaml的绝对路径 
–hyp ： 此处更改为data/hyps/hyp.scratch-high.yaml
原本是data/hyps/hyp.scratch-low.yaml但该文件内并未找到，，，猜测为YOLOv9作者调试过程中的小疏忽版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.csdn.net/heart_warmonger/article/details/136249119

--batch-size 2 （按照自己实际情况修改，我一个GPU，实事证明4不行，2可以）
--epochs 200（按照自己实际情况修改，一般200比较合适）
--device 0 （按照自己实际情况修改，我的是一个GPU）（不用GPU就不填）

左上角点击文件，点击设置，设置环境为新建的环境yolov9

最终设置结果：

在train.py中右键开始训练即可。

4、报错及解决

报错1、和原博主一样，以下为解决方案：（没有完全解决，快训练完的时候还是有，但不影响）

报错2、ImportError: cannot import name 'COMMON_SAFE_ASCII_CHARACTERS' from 'charset_normalizer.constant' (D:\Yan_jiu\Anaconda3\envs\yolov9\lib\site-packages\charset_normalizer\constant.py)

安装版本不兼容。解决：pip install --user --upgrade charset_normalizer

成功训练：

------------------更新--------------------

哎哎哎！没用GPU训练一个epoch要四个多小时

使用torch.cuda.is_available()判断发现问题，重新建环境，用上GPU就快了

5、验证

python val.py --data=datasets\my_data.yaml --weights=runs\train\exp12\weights\best.pt --batch-size=2 --device=0

报错3：\yolov9-main\utils\general.py", line 905, in non_max_suppression device = prediction.device AttributeError: 'list' object has no attribute 'device'

解决：找到\yolov9-main\utils\general.py，第903行改为：prediction = prediction[0][0]