位置: IT常识 - 正文

Yolov7模型训练与部署(yolov3模型训练)

编辑:rootadmin
Yolov7模型训练与部署 背景

推荐整理分享Yolov7模型训练与部署(yolov3模型训练),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:yolov3模型训练,yolo4模型,yolo 模型训练,yolov5模型训练,yolov5模型训练,yolov3模型训练,yolov5模型训练,yolov3模型训练,内容如对您有帮助,希望把文章链接给更多的朋友!

在工业上使用较多的基于深度学习从目标检测算法,那毫无疑问应该是yolo,凭借这效率和精度方面的优势,在一众深度学习目标检测算法中脱颖而出。目前最新的版本是yoloV7,根据yoloV7论文中描述:

YOLOv7 surpasses all known object detectors in both speed and accuracy in the range from 5 FPS to 160 FPS and has the highest accuracy 56.8% AP among all known real-time object detectors with 30 FPS or higher on GPU V100. YOLOv7-E6 object detector (56 FPS V100, 55.9% AP) outperforms both transformer-based detector SWIN L Cascade-Mask R-CNN (9.2 FPS A100, 53.9% AP) by 509% in speed and 2% in accuracy, and convolutional based detector ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) by 551% in speed and 0.7% AP in accuracy, as well as YOLOv7 outperforms: YOLOR, YOLOX, Scaled-YOLOv4, YOLOv5, DETR, Deformable DETR, DINO-5scale-R50, ViT-Adapter-B and many other object detectors in speed and accuracy. Moreover, we train YOLOv7 only on MS COCO dataset from scratch without using any other datasets or pre-trained weights

已知对象检测算法中获得了最高的精度,达到了 56.8% 的平均精度(AP),并且效率远超基于transformer(transformer-based)和基于卷积(convolutional-based)的模型。并且训练只使用了coco数据集,没有任何预训练权重。

今天试着下载看了下,发现文档说明齐全。今天大概花了一天时间,完成了从配环境,准备数据集,训练模型到tensorRT部署等多个步骤。

也得益于之前用过yolov3,对深度学习这一套流程比较熟悉。平时也有点工程经验,遇到的坑几乎网上一查或者仔细一琢磨,基本就解决了。接下来就对这一过程做个记录。

参考资料:

YOLOV7论文地址:https://arxiv.org/pdf/2207.02696.pdf

YOLOV7源码地址:https://github.com/WongKinYiu/yolov7

YOLO进化史:https://zhuanlan.zhihu.com/p/539932517

YOLOV7 tensorRT部署:https://zhuanlan.zhihu.com/p/556570703

源码下载

从github克隆代码:https://github.com/WongKinYiu/yolov7

环境配置

这是一个python工程,推荐使用PyCharm。

笔者使用的是Windows系统,如果不用conda的话,只能使用PyCharm提供的虚拟环境功能,在工程下新建一个python环境,这个环境不会影响别的工程。Pycharm会识别requirements.txt中需要的包,自动提示你安装。

这里的torch需要注意,如果使用默认的requirements.txt中版本,可能GPU不会启用,表现就是:

import torchtorch.cuda.is_available() #返回值为false

因此要自行安装,按照自己的环境,选择装不同的版本,pytorch官网提供了一个便捷的工具来生成安装指令。

https://pytorch.org/get-started/locally/

这里笔者的环境供参考:

cuda:10.2

Yolov7模型训练与部署(yolov3模型训练)

cudnn:8.2.2.26

TensorRT:8.2.2.1

这些版本一定要匹配,笔者在这儿踩过坑,把cuda重新安装了一遍,又下载了好几版的cudnn和tensorRT才测试成功。

测试数据集准备

yolov7测试数据集是coco,因此下载了coco val2017数据集,train2017暂时没有下载。

在data/coco.yaml文件中:

# download command/URL (optional)download: bash ./scripts/get_coco.sh

可以看到提供了一个下载coco的脚本,但只能在Linux下跑,Windows下需要自己下载。

val2017就够了,要自己训练的话,可以下载train2017,可以看到笔者也在下载train2017。

同样在data/coco.yaml中,设置文件路径

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]train: H:/baiduyundownloads/coco2017/train2017.txt # 118287 imagesval: H:/baiduyundownloads/coco2017/val2017.txt # 5000 imagestest: H:/baiduyundownloads/coco2017/test-dev2017.txt # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794精度测试

然后可以运行

python test.py --data data/coco.yaml --img 640 --batch 32 --conf 0.001 --iou 0.65 --device 0 --weights yolov7.pt --name yolov7_640_val

在run/test/yolov7目录下,可以看到confusion_matrix。

训练模型python train.py --workers 8 --device 0 --batch-size 32 --data data/coco.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights '' --name yolov7 --hyp data/hyp.scratch.p5.yaml

模型训练可以从零开始,也可以在预训练权重上使用自己的数据集。这一步笔者没有实际执行。

模型导出为onnxpython export.py --weights ./yolov7-tiny.pt --dynamic-batch --grid --simplify --topk-all 100 --iou-thres 0.65 --conf-thres 0.35 --img-size 640 640

这一步不跟着Readme,去掉命令中的end2end,加入dynamic-batch。

这里选择yolov7-tiny模型,执行命令后,生成yolov7-tiny.onnx。

tensorRT部署

使用这个仓库

https://github.com/shouxieai/tensorRT_Pro

下的tensorRT_Pro/example-simple_yolo/目录中的工程,可以将.onnx模型转为.trtmodel模型。

然后可以用这个模型,在c++端进行推理:

推理结果写到文件:

本文链接地址:https://www.jiuchutong.com/zhishi/295251.html 转载请保留说明!

上一篇:chatgpt 无法登录报错Access denied、OpenAl‘s services are not available in yourcountry. (error=unsupported )(无法登陆p.to)

下一篇:YOLO-V5轻松上手(yolo v5超详细解析)

  • 如何理解递延所得税资产和递延所得税负债
  • 还有什么技术
  • 公司注销还能要回钱吗
  • 已暂估入库原材料,确认收不到发票怎么调账
  • 商贸企业产值含税吗
  • 金蝶多核算项目怎么做
  • 所得税减免优惠明细表应分摊期间
  • 银行转账结算方式的种类及适用范围
  • 外购动力的分录
  • 行政事业单位资产管理工作总结
  • 承租人转租是否要交税
  • 出租土地使用权计入什么科目
  • 合伙企业的投资者李某以企业资金
  • 股东变更没有公章和营业执照怎么办
  • 没有建筑资质能办安全生产许可证吗
  • 开发票税收分类编码怎么选
  • 电子发票如何报销做账
  • 税收优惠政策没有任何法律风险
  • 公司替员工承担个税分录不再收回
  • 工费经费用计提吗
  • 企业分立账务处理办法
  • 业务招待费如何进行纳税调整
  • 车间日常维修费用计入什么科目
  • 在电脑上呢
  • 会计折算是什么意思
  • 交了车船税有什么凭证
  • 购货方销售退回怎么做账
  • 计提税金及附加的金额如何算
  • 餐饮类的增值税
  • 怎样创建一个网站
  • 开发成本属于哪个会计准则
  • 神经网络模型是干嘛的
  • web用户管理系统报告
  • node教程
  • vue框架搭建步骤
  • 律师费怎么要回来
  • checksum命令
  • ps橡皮擦不是圆圈了
  • 哪些费用发票可以抵扣企业所得税
  • 开了专票就不能享受政策
  • 应税工资和实发工资区别
  • 税金及附加也是费用吗
  • 结转成本相关内容有哪些
  • 一个合同里面服务怎么写
  • 企业投资收益要交增值税吗
  • 经营户个人所得税
  • MySQL默认字符集修改
  • 应纳税所得额是利润总额还是净利润
  • 预收一年房租的会计科目
  • 税控系统技术维护费的申报抵扣方法
  • 财产转让收入属于什么收入
  • 预付款为什么不能抵消工程款
  • 生产经营所得如何申请退税
  • 外贸公司出口退税进项发票没及时开票有影响吗
  • 向客户收取的承兑贴息款如何开发票
  • 公司给员工租的宿舍如何做分录
  • 报税营业成本包括哪些费用
  • 测试费几分钱入账
  • Win7 64位 mysql 5.7下载安装常见问题小结
  • win10预览版0x80072ee2
  • Windows系统sid修改方法
  • 哪个是win8.1更新win10的补丁
  • win10 server2008
  • macbook如何安装windows
  • 安装 centos
  • 常用的linux系统版本有哪些
  • js require()
  • javascript登录验证
  • surface游戏模式
  • cocos 2d x
  • qt搭建opencv
  • base如何使用
  • html图像元素
  • elementui基于vue
  • input输入@弹出框
  • unity简单项目
  • 利用python中的scikit-learn对疫情数据挖掘
  • keycode输入cat
  • 深圳国税局官网
  • 浙江蹦极哪里好玩
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设