Yolov7在darknet框架下的训练配置过程

1. 配置darknet环境

   Darknet环境可以看我之前写的博文，这里就不赘述了。
   上链接：https://blog.csdn.net/qq_49838648/article/details/124820044
   例：
   

2. 官方数据集下载

   下载使用官方coco数据进行配置（我使用的是coco2017)

3. 模型和配置文件

   此处需要把yolov7官方模型中的cfg文件和预训练模型下载
   上链接：https://download.csdn.net/download/qq_49838648/86240219?spm=1001.2014.3001.5503

4. 训练之前必须看

   训练有很多数据需要配置，比如：数据路径配置 类别控制 训练好的模型存储位置
   训练之前看一下该链接：https://blog.csdn.net/qq_49838648/article/details/124820044?spm=1001.2014.3001.5502
   例：

5. 参数修改

   根据数据集进行相关参数修改，如果使用上述coco2017数据集，那么数据类别为80类，直接使用cfg进行训练即可。
   如果你没有使用coco数据集，而使用自己的数据进行训练，那么需要修改配置cfg文件：
   修改classes，使用快捷键搜索关键字[yolo]可以搜到2次，修改classes的数量为你的类别数，这里classes=2，
   修改filters，每次搜到的yolo上一个的[convolutional]中filters=(classes + 5)x3
   比如filters=21。

6. 模型训练

   注意：yolov7-tiny.weights 为训练好的模型测试使用即可
   yolov7-tiny.conv.87 为作者微调模型，训练时候使用这个

    ./darknet detector train    <*.data的绝对路径>    <yolov7-tiny.cfg的绝对路径>   <yolov7-tiny.conv.87 的绝对路径>  -map  -gpus 0,1,2
    -map       训练时候查看map曲线
    -gpus  0,1,2      多卡训练指定显卡
   复制

7. 模型评估

   ./darknet detector map   <*.data的绝对路径>    <yolov7-tiny.cfg的绝对路径>  <训练完成后产生的yolov7-tiny_best.weights>
   复制

8. 模型测试

   ../darknet detector test   <*.data的绝对路径>    <yolov7-tiny.cfg的绝对路径>  <训练完成后产生的yolov7-tiny_best.weights> <单张图像的绝对路径> -thresh0.6
   复制

推荐内容