花了两天时间来训练yolov7-tiny，踩了不少坑，遂记录一下，希望可以帮到大家

1.环境配置

# Usage: pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5,<1.24.0
opencv-python>=4.1.1
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0,!=1.12.0
torchvision>=0.8.1,!=0.13.0
tqdm>=4.41.0
protobuf<4.21.3

# Logging -------------------------------------
tensorboard>=2.4.1
# wandb

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=4.1  # CoreML export
# onnx>=1.9.0  # ONNX export
# onnx-simplifier>=0.3.6  # ONNX simplifier
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TFLite export
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev  # OpenVINO export

# Extras --------------------------------------
ipython  # interactive notebook
psutil  # system utilization
thop  # FLOPs computation
# albumentations>=1.0.3
# pycocotools>=2.0  # COCO mAP
# roboflow

2.下载yolov7

下载链接如下：https://gitcode.com/WongKinYiu/yolov7/tree/main?utm_source=csdn_github_accelerator&isLogin=1

目录如下图所示：

3.处理数据集

在data的文件夹下面新建文件夹mydata（可做不同的数据集分类），然后在mydata文件夹下面新建如下四个文件夹：

dataSet文件夹：之后会写一个脚本（split_train_val.py）内自动生成train.txt，val.txt，test.txt和trainval.txt四个文件，存放训练集、验证集、测试集图片的路径

images文件夹里面放的是咱们自己的数据集，我的为jpg格式

labels下面放的是咱们数据集的txt格式

xml文件夹下里面则放的是咱们数据集的xml格式

（1）训练集、验证集、测试集的划分

在data文件下新建一个split_train_val.py文件，代码内容如下：

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'E:/yolov7-main/yolov7-main/data/mydata/xml'
txtsavepath = 'E:/yolov7-main/yolov7-main/data/mydata/dataSet'
image_path = 'E:/yolov7-main/yolov7-main/data/mydata/images'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
file_list = list(range(num))
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(file_list, tv)
train = random.sample(trainval, tr)

ftrainval = open(os.path.join(txtsavepath, 'trainval.txt'), 'w')
ftest = open(os.path.join(txtsavepath, 'test.txt'), 'w')
ftrain = open(os.path.join(txtsavepath, 'train.txt'), 'w')
fval = open(os.path.join(txtsavepath, 'val.txt'), 'w')

for i in file_list:
    name = total_xml[i][:-4]
    image_file_path = os.path.normpath(os.path.join(image_path, name + '.jpg'))  # 构造图片的完整路径
    if i in trainval:
        ftrainval.write(image_file_path + '\n')  # 写入图片完整路径
        if i in train:
            ftest.write(image_file_path + '\n')  # 写入图片完整路径
        else:
            fval.write(image_file_path + '\n')  # 写入图片完整路径
    else:
        ftrain.write(image_file_path + '\n')  # 写入图片完整路径

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

运行后dataSet文件夹如下图所示：

txt文件中的内容类似于下图：（训练集、验证集、测试集图片的路径）

（2）数据集的转化（xml转化为txt格式）：若数据集为txt格式，则跳过此步骤

在mydata文件夹下面新建一个voc_label.py，内容如下：

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

sets = ['train', 'test', 'val']

//修改1：我们数据集的分类名称
classes = ["missing_hole","mouse_bite","open_circuit","short","spur","spurious_copper"]


def convert(size, box):
    if size[0] == 0:
        dw = 0
    else:
        dw = 1. / size[0]
    if size[0] == 0:
        dh = 0
    else:
        dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h

//修改2：按照自己的文件路径修改
def convert_annotation(image_id):
    in_file = open('E:/yolov7-main/yolov7-main/data/mydata/xml/%s.xml' % (image_id))
    out_file = open('E:/yolov7-main/yolov7-main/data/mydata/labels/%s.txt' % (image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        #      difficult = obj.find('difficult').text
        if obj.find('difficult'):
            difficult = int(obj.find('difficult').text)
        else:
            difficult = 0
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

wd = getcwd()
print(wd)
for image_set in sets:
    if not os.path.exists('E:/yolov7-main/yolov7-main/data/mydata/labels/'):
        os.makedirs('E:/yolov7-main/yolov7-main/data/mydata/labels/')
    image_ids = open('E:/yolov7-main/yolov7-main/data/mydata/dataSet/%s.txt' % (image_set)).read().strip().split()
    list_file = open('E:/yolov7-main/yolov7-main/data/mydata/%s.txt' % image_set, 'w')
    for image_id in image_ids:
        list_file.write('E:/yolov7-main/yolov7-main/data/mydata/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

（3）配置自己数据集的yaml文件啦

在data文件夹路径下新建.yaml文件（我的是pcb.yaml）

内容如下：

//修改为自己的路径
train: E:/yolov7-main/yolov7-main/data/mydata/dataSet/train.txt
val: E:/yolov7-main/yolov7-main/data/mydata/dataSet/val.txt
test: E:/yolov7-main/yolov7-main/data/mydata/dataSet/test.txt

//分类数
nc : 6
depth_multiple: 1.0
width_multiple: 1.0

//类别
names: ['missing_hole','mouse_bite','open_circuit','short','spur','spurious_copper']

5.下载预训练模型

下载yolov7（yolov7-tiny的weights跟pt文件）下载链接如下：Release YOLOv7 · WongKinYiu/yolov7 (github.com)

我下载的是这两个：

6.开始训练啦

根据自己数据集的类别数修改cfg/deploy/yolov7-tiny.yaml中的nc

修改train.py文件

epochs：指的就是训练过程中整个数据集将被迭代多少次,视自己电脑情况而定

batch-size：一次看完多少张图片才进行权重更新，视自己电脑情况而定。

cfg：看你训练的是yolov7还是yolov7-tiny还是其他的

data：就是前面我们建的yaml文件啦

device：device=0通常指的是使用第一个GPU设备

workers：最大数据加载器工作线程数,即指定每个DDP模式下的工作线程数，视自己电脑情况而定。

运行训练命令如下：

python train.py --img 640 --batch 32 --epoch 300 --data data/mydata.yaml --cfg cfg/deploy/yolov7x.yaml --weights weights/yolov7x.pt --device '0'

7 遇到的错误

（1）KeyError: 'anchors'

解决方法：去掉anchors前面的注释

（2）OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
解决方法：在train.py文件中加入：

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"