YOLOv7模型推理和训练自己的数据集

        前段时间YOLOv7发布，一直没时间去复现，今天正好有时间，简单复现下。

1.必要环境

        我的环境是：Windows10+python3.9.7+CUDA11.1+CUDNN8.1.1+torch1.8。此环境配置不再多说，网上有很多的教程。本篇主要记录YOLOv7的使用。

2.YOLOv7安装

2.1进入github官网下载源码和权重文件：

https://github.com/WongKinYiu/yolov7

2.2打开工程，在终端输入命令，安装依赖包

pip install -r requirements.txt

        我这边在安装依赖包时没有发生错误，若发生错误，请自行百度

3.使用YOLOv7官方模型进行推理

         打开detect.py文件，修改权重文件的路径，以及修改推理图片的路径。右键运行就ok，结果会在runs/detect中展现

         推理结果十分优异，远超YOLOX的性能。 

4.训练自己的数据集

首先工程文件夹设置：

          将图片放入images中，xml文件放入Annotations。

         先使用txt_write.py文件划分数据集。该文件内容参考本人另一篇YOLOX文章中。

        其次使用txt_yolo_label.py文件，数据集转换到yolo数据集格式，转换后可以看到VOCData/labels下生成了每个图的txt文件 。

         接着修改cfg/training中你下载的对应模型的yaml文件，我这边下载的yolov7.pt文件，在此更改yolov7.yaml文件，将nc数量变为自己数据集中对应的种类数。

         再在data文件夹中备份一份coco.yaml文件，重命名为myvocdataset.yaml，将内容改为如图，其中路径记得改为自己的路径。

train: E:/python_practice/object_detection/yolov7-main/VOC/train.txt
val:  E:/python_practice/object_detection/yolov7-main/VOC/val.txt

nc: 2  #类别，改成自己的
names: ['screen','sign']#类别名称

        紧接着打开train.py文件，修改如下项：

 从上到下，依次是权重文件，cfg配置文件，voc数据文件，超参数文件，和训练轮数。超参数可不修改，其他改为自己所对应的文件。batch-size依据电脑实力更改，我这边配置一般，batch较小，建议将dataloader workers默认设为0，关闭其多线程处理。点击右键运行该文件，程序完美运行。

 如出现如下错误：

Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

在train.py中添加如下代码：

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

        为了演示yolov7算法，在此就训练了两轮便停止训练，使用训练两轮的模型进行推理。结果如图。

因为只训练了两轮，效果很差，仅识别出框。

到此，YOLOv7复现完成。