Yolov7在darknet框架下的训练配置过程
-
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:
-
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)
-
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
-
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:
-
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。
-
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
-
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>
-
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
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)