目录
一、获取大佬的yolov7源码
二、配置深度学习环境
三、准备数据集
四、用yolo v7训练自己的数据集
五、用训练好的模型测试
六、用训练好的模型预测
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。
- classes.txt里面保存要检测的目标的类别名称，一个类别一行。
- 以上介绍了yolo数据集的格式和文件结构，如果还有不明白的地方可以去搜索关键字：yolo格式数据集。
- 然后在data文件夹下面创建一个叫boat_dataset.yaml的文件，里面写这些东西：
再提醒以下文件结构，如果是初学者的话，最好是按照我上面说的，如果因为把文件摆在其他地方而导致了报错。。。。至此数据集就准备完毕了。’
四、用yolo v7训练自己的数据集
首先在cfg/deploy里面选一个yolo的版本
我选的是yolov7x.yaml，打开这个文件，只需要改一个地方。
下一步是在github上下载对应的权重文件，看清楚你在上一步选择的是哪个yolov7的模型，然后下载对应的权重文件。如果下载不下来可以看看我分享的百度网盘，提取码：oz0g。
然后在yolov7-main里面创建一个叫weights的文件夹，把你下载的权重文件放进去。
打开train.py，下拉找到代码里设置的命令行参数项，按照自己的情况进行修改。
上面这些设置好之后运行train.py，如果一切顺利的话，慢慢等训练完成就行了。如果你没有改代码其他设置，那么你可以在runs/train/exp文件夹下获取这次训练的有关信息，runs/train/exp/weights文件夹里面保存了这次训练结束后整个网络模型的权重，后面进行检测时会用到。
五、用训练好的模型测试
打开test.py，找到命令行参数设置项
设置好后点运行就是了，运行结果会保存在runs/test/exp文件夹里面，我自己没有设置测试集，所以不展示运行结果了。注意如果你要测试的话一定要在自己数据集的.yaml文件里面写清楚test.txt文件的路径，在文章上面也提到了。
六、用训练好的模型预测
首先把需要预测的图片放在inference/images文件夹下
然后打开detect.py文件，修改命令行参数，和上面的一样，就不赘述了
设置好后点击运行，运行结果保存在runs/detect/exp文件夹里面
以上就是yolov7训练的整个过程，有问题可以在评论区提问或者私信我。也欢迎也欢迎私信和我讨论有关目标检测和目标跟踪方向的内容！