YOLOv7训练自己的数据集（个人笔记篇）_yolov7训练自己数据集

本文主要参考：RizwanMunawar/yolov7-segmentation: YOLOv7 Instance Segmentation using OpenCV and PyTorch (github.com)https://github.com/RizwanMunawar/yolov7-segmentation

主机系统为win10系统，显卡为4070

目录

1、conda基本指令

2、labelme

3、roboflow上传数据集并生成

4、训练自己的模型

4.1 数据预处理

4.2 train

4.3 训练完成

1、conda基本指令

conda env list                  #查看拥有的环境文件
conda activate 虚拟环境名             #激活环境
conda deactivate 虚拟环境名          #解除环境
 
conda create -n your_env_name python=x.x   #创建新虚拟环境
conda remove -n your_env_name --all        #删除虚拟环境        
###安装包
conda install 包名                         #建议先进入相应的虚拟环境再进行安装，不建议全部安装在base
pip install 包名                            #进入某个虚拟环境之后也可以使用pip安装包
conda remove 包名                          #移除包名
conda list                      #查看已经安装的包
#将包更新至最新版本
conda update 包名 
conda update -n 环境名 包名

2、labelme

labelme安装： https://github.com/wkentaro/labelme

labelme使用：

创建一个文件夹，在这个文件夹中创建一个文件夹（里面放images）和labels.txt；txt文件的形式如图：

​

 打开powershell终端输入指令：

conda activate labelme
cd D:\others\no8_labelme1\        ##当前labelme路径
labelme images_2 --labels labels.txt --nodata --validatelabel exact --config '{shift_auto_shape_color: -2}'

即可对image进行标注。

3、roboflow上传数据集并生成

roboflow官网：https://app.roboflow.com/

 roboflow使用需要科学上网；逐步upload、generate、export  选择yolov7 pytorch版本。

最后会生成一个zip文件，例如下图: （当然，train valid test的比例可以自己设置，一般设置82或者73开。）

 里面data.yaml中的第六行label的顺序十分重要！！！十分重要！！！十分重要！！！

4、训练自己的模型

RizwanMunawar/yolov7-segmentation: YOLOv7 Instance Segmentation using OpenCV and PyTorch (github.com)https://github.com/RizwanMunawar/yolov7-segmentation

4.1 数据预处理

将上一步文件中的train和valid转入源码的data文件夹下；创建一个custom.yaml文件，内容直接复制之前的data.yaml，路径需要修改（我之前就是6个label没有直接复制，自己写，结果顺序全错了把树木识别成了水泥地）

custom.yaml文件：

#train和val文件夹位置，
train: D://PycharmProjects//yolov7-segmentation-main//data//train//images
val: D://PycharmProjects//yolov7-segmentation-main//data//valid//images
#nc为number of classes，即标记的种类的个数
nc: 6
#按以下格式将label的内容填入
names: ['bushes', 'car', 'cementfloor', 'dirtroad', 'grassland', 'tree']

------------------------------------------手动分割线  数据预处理工作完成-------------------------------------------

4.2 train

接下来开始重头戏：Train

下载本文参考链接的源码，在anaconda中配置环境 。由于版本不适配的缘故，建议在配完环境之后卸载torch和torchvision，从pytorch官网PyTorch重新安装与自己cuda适配的torch版本 ；或者在配环境之前把requirements.txt文件中的torch和torchvision注释掉。

我的显卡适配的是当前最新cuda11.8版本（30系显卡的话cuda11.7就够了，如果gpu不适配就只能用cpu训练，速度巨慢无比）

##重新安装torch
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

按照作者要求下载权重文件yolov7-seg.pt至目录下，并在当前位置打开终端，在终端中运行:

conda activate yolov7seg
#根据个人需求进行参数修改，如batch和epoch等
python segment/train.py --data data/custom.yaml --batch 8 --weights "yolov7-seg.pt" --cfg yolov7-seg.yaml --epochs 500 --name yolov7-seg  --img 640 --hyp hyp.scratch-high.yaml

成功启用显卡可以看到：

 如果有错误显示：AttributeError: module 'numpy' has no attribute 'int'.
`np.int` was a deprecated alias for the builtin `int`. To avoid this error in existing code, use `int` by itself. Doing this will not modify any behavior and is safe. When replacing `np.int`, you may wish to use e.g. `np.int64` or `np.int32` to specify the precision. If you wish to review your current use, check the release note link for additional information.
The aliases was originally deprecated in NumPy 1.20; for more details and guidance see the original release note at:https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations

那么重新安装numpy

pip install numpy==1.20.3

看到GPU_mem，说明调用显卡开始工作了：

 --------------------------------------------------慢慢等着训练完成吧---------------------------------------------------

4.3 训练完成

Results saved to runs\train-seg\yolov7-seg3

训练完成后生成的文件：

训练完成后，可以用自己的模型predict：

 python segment/predict.py --weights "runs/train-seg/yolov7-seg3/weights/best.pt" --source "folder or video or pic"