汕头市做网站,公司网站建设成本,网站安全检测官网,网站建设与管理期末试卷下载源代码#xff1a;点击下载 进入项目根目录并执行以下命令安装requirements.txt中的相关依赖 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple官网下载权重yolov7.pt#xff08;测试使用#xff09;、yolov7-tiny.pt#xff08;训练使用… 下载源代码点击下载 进入项目根目录并执行以下命令安装requirements.txt中的相关依赖 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple官网下载权重yolov7.pt测试使用、yolov7-tiny.pt训练使用这里使用什么模型则使用对应的权重 在项目根目录下建立文件夹weights把刚刚下载好的权重放进去 检测detect python detect.py --weights weights/yolov7.pt --source inference/images --device 0训练training 准备YOLO格式的数据集然后将数据集放在根目录下 修改配置文件 在data文件夹下新建立一个xxx.yaml文件这里我建立的是voc.yaml然后将同目录下的coco.yaml文件内容复制进去并修改以下内容train、val、test分别为训练、验证、测试图片路径所在的文件nc代表类别数 这里我使用的VOC2007所以为20类names则为各个类别的名称 修改cfg.training文件夹下的文件用哪个模型就对应修改哪个文件这里我使用的是yolov7-tiny模型所以修改yolov7-tiny.yaml文件VOC为20个类别所以修改为20 执行命令进行训练 python train.py --weights weights/yolov7-tiny.pt --cfg cfg/training/yolov7-tiny.yaml --data data/voc.yaml --device 0 --batch-size 16 --epoch 300训练完毕得到300轮训练最好的权重则将权重改为它预测即可用我们自己训练的权重去预测
训练完毕得到300轮训练最好的权重则将权重改为它预测即可用我们自己训练的权重去预测
