Table of Contents

一、获取大佬的yolov7源码

yolov7源码地址，把ZIP文件下载后解压，打不开链接记得使用魔法，魔法自己找这个没办法教。或者也可以选择通过我分享的网盘下载：链接：百度网盘下载链接，提取码：yam3。

打开解压后的文件夹应该可以看到这个页面。

二、配置深度学习环境

我的环境是：WIN10、RTX2060、Python=3.7。

这里推荐使用 Anaconda来创建环境，自己先在电脑上安装好conda的运行环境，这里特别注意在安装的时候记得把conda添加到环境变量中。具体怎么安装Anaconda网上教程一大堆，随手一搜都有，如果这都搞不定建议暂时先别学深度学习了。

再检查一下自己有没有安装好conda，win+r输入cmd再按Enter，进入命令行界面后输入conda -V，如果报错了就可能安装了anaconda但是没配置环境变量，或者是其他问题导致的报错，建议先想办法解决一下这个问题，如果显示的和下面一样那就是正常的，可以继续往下看。

下一步新创建一个yolov7的环境，命令行输入：

conda create -n yolov7 python=3.7

激活环境：

conda activate yolov7

下一步根据项目文件夹的requirements.txt下载安装所需要的包和库，在yolov7的环境下运行这条命令：

pip install -r 项目绝对路径/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装好后注意，如果你是用GPU来训练的话，需要重新安装pytorch框架，上面通过requirements.txt安装的pytorch包不是GPU版本的，需要另外重新安装GPU版本的pytorch，命令行运行这条命令重新安装pytorch：

pip install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html -i  https://pypi.tuna.tsinghua.edu.cn/simple

另外提醒一下这个pytorch的版本要根据自己GPU的型号来确定，有可能会因为cuda版本问题在train的时候出现报错，不过这个问题我自己没遇到过，现在安装的这个版本在2060和3090上都能直接跑数据集不会出现报错。

安装好后打开Pycharm，依次点击文件（file）– 打开（open）– 选择到项目文件夹（名字是yolov7-main）。

最后再去设置里面把Python的解释器设置成刚开始用conda创建的yolov7环境

三、准备数据集

准备yolo格式的数据集，也就是每个图片要对应一个txt文件格式的标签。目前很多目标检测的数据集都是voc格式的，要把voc格式转化成yolo格式的。现在制作yolo格式数据集的方法和voc格式转yolo格式的方法都有很多，随手一搜都有的。因为每个人自己数据集的情况都不一样，就不再这篇文章里介绍了，建议根据自己数据集的实际情况对症下药。
注意自己数据集的文件结构，建议保持和下面的文件结构一致，不然可能会报错。

在data文件夹下面另外创建一个文件夹，文件夹名自己取（我自己的叫boat_dataset），里面保存自己的数据集。
在boat_dataset文件夹下面创建两个文件夹images和labels（为了展示所以只显示了几张图片，实际上我的训练集是很大的）。
images和labels文件夹下面都再另外创建两个文件夹train和vaild。
images文件夹里面保存原始图片，labels文件夹下面保存txt文件格式的标签，这两个文件夹里面存的东西应该是一一对应的，里面文件的命名也应该是对应的，也就是一张图片和对应标签的命名应该只有.jpg和.txt的区别，命名别乱改。
在boat_dataset文件夹里面要有train.txt和valid.txt，里面保存了找到每个图片文件的路径。