淘宝网站内站建设,湖南长沙app,拖拽式制作网站,上海网站排名团队1. 拉取代码创建环境
执行nvidia-smi验证cuda环境是否可用#xff1b;拉取官方代码#xff1b; clone官方代码仓库 git clone https://github.com/WongKinYiu/yolov7#xff1b;从main分支切换到u7分支 cd yolov7 git checkout 44f30af0daccb1a3baecc5d80eae229…1. 拉取代码创建环境
执行nvidia-smi验证cuda环境是否可用拉取官方代码 clone官方代码仓库 git clone https://github.com/WongKinYiu/yolov7从main分支切换到u7分支 cd yolov7 git checkout 44f30af0daccb1a3baecc5d80eae22948516c579(YOLO_v5的所有视觉任务在同一个代码仓库中YOLO_v7不同的分支对应不同的任务分割任务对应u7) 安装环境 pip install --upgrade pip pip install -r requirements.txt
2. 用预训练模型推理
下载与训练权重 wget https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-seg.pt(更换代理会出现下载的权重只有2k可以选择取u7分支下手动下载)用predict.py推理 python segment/predict.py --weights 权重文件路径 --source 图片/视频路径 --name xxx
3. 准备数据集 labelimg/labelme/Roboflow此处选用Roboflow
创建项目 通过web控件和本地API上传图片 标注 手动标注固然稳使用基于SAM的Smart Polygon是真的香生成数据集 创建数据集(不同版本) ~ 切分 ~ 前处理 ~ 增强 导出数据集 Roboflow提供了训练平台(只是免费的次数有限)
4. 训练 下面以实力分割为例更换任务类型方法如下 训练代码如下 python segment/train.py --batch-size 16 --img-size 640 --epochs 10 --data {dataset.location}/data.yaml --weights $WEIGHTS_PATH --device 0 --name custom5. 验证模型
6. 上传模型进行验证
7. 从Roboflow部署到边缘设备
