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)

  • 建筑垃圾清运税率多少
  • 收入准则范围内
  • 金蝶可以自动结转成本吗
  • 缺少订单停工费用如何做账
  • 固定资产一次性计入费用的账务处理
  • 微信公众号认证费用
  • 个人房产房租收入怎么算
  • 行政划拨无偿取得发票
  • 快递售后是干嘛的
  • 计提工资和应付职工薪酬怎么不一样
  • 公司转让股权要去税务吗
  • 未到期责任准备计入什么科目
  • 金税盘在电脑上怎么打开
  • 公司委托其他公司为员工代缴社保公积金
  • 研发支出资本化支出在报表哪里
  • 加权平均净资产收益率等于企业净利润除以
  • 劳务外包与劳务派遣公司
  • 电子发票开给个人怎么处理?
  • 员工培训费应该怎么算
  • 维修设备领用材料会计分录怎么写
  • 利息调整摊销额等于什么
  • 缴纳残保金和工龄有关吗
  • 职工教育经费的扣除限额
  • mac系统如何开启任何来源
  • 苹果手机miracast在哪里找到
  • 备用金冲销会计怎么做账
  • 内部应收账款计算公式
  • 营业外收入的账户结构
  • 增值税免税项目和免征增值税的区别
  • 来料加工方式中,料件和加工后成品的所有权
  • 绿萝怎么扦插?
  • phpget方法
  • 认缴制注册资金不交可以吗
  • php对二维数组进行排序
  • 因汇率变动而导致的损失属于
  • transformers document
  • php模糊查询txt文本
  • js进阶视频教程
  • 出口货物不退税进项可以开具普通发票吗
  • 所得税费用科目的贷方登记
  • 发票待开是什么意思?
  • 跨年的增值税专票怎么开
  • 免税农产品怎么抵扣进项税
  • 差旅费账务处理例子
  • 用于研发的材料后期销售了应该怎么账务处理
  • wordpress运行缓慢
  • 短期贷款利息支付
  • 机器设备可以作为出资方式吗
  • 税法的个人所得税
  • 税控盘有什么作用
  • 即征即退的收入是不征税收入
  • 费用多计提了怎么办
  • 小微企业和小规模纳税人的区别
  • win7系统计算机管理功能打不开
  • 彻底删除win8应用商店
  • XP系统怎么调节屏幕亮度
  • 数码相机无线连接手机
  • apache not found
  • win7桌面提示7601
  • linux如何更改默认的运行级别
  • windows1020h2版本怎么样
  • 加载的读音
  • linux怎样过滤一个关键字
  • windows休眠文件
  • Vsftpd+tcp_wrappers控制主机和用户访问
  • ext combox 下拉框不出现自动提示,自动选中的解决方法
  • cocos2d教程
  • jquery解析html文本
  • shell脚本读取输入使用什么命令
  • unix linux
  • Unity3D游戏开发毕业论文
  • bootstrap的表格
  • python语句查询
  • python 隐函数作图
  • 开专票需要什么资料
  • 青岛市税务局长魏
  • 辽宁税务微信公众号
  • 增值税是要上交给国家的吗?
  • 个人所得税税前扣除是什么意思
  • 购买税控设备
  • 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