# YOLO V7
[TOC]

---

## 訓練帳號
:::success
ccit.edu.tw
:::

# 考慮google colab

## YOLOV7環境安裝
[YOLOv7 on Windows (一) 建立環境與執行](https://www.larrysprognotes.com/YOLOv7_1/)

1. 透過`nvidia-smi`，檢查自己顯卡版本(必須要是獨立顯卡NVIDIA<=可以透過工作管理員查看)

2. 至[NVIDIA CUDA Toolkit Release Notes](https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html)查看自己的顯卡版本對應的CUDA套件版本，確認後再到[INSTALLING PREVIOUS VERSIONS OF PYTORCH](https://pytorch.org/get-started/previous-versions/)尋找對應的Pytorch版本進行下載
+ 我自己對應版本
`pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2`

3. 檢查是否安裝成功
:::info
>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.cuda.get_device_name()
'NVIDIA GeForce MX330'
>>>
:::

---

## 用YOLOV7訓練自己想要的資料

### 1. 訓練資料標註
1.
` pip install simple_image_download==0.4`，可以透過這個套件去google image抓取圖片，keywords可以換成自己想要的詞

from simple_image_download import simple_image_download as simp

response = simp.simple_image_download

keywords=["speed limit sign"]
for kw in keywords:
    response().download(kw, 300) 

my_downloader = simp.simple_image_download()
my_downloader.directory = "grab_image"

+ 註:https://github.com/RiddlerQ/simple_image_download

2. `pip install labelimg`，透過labelimg標記圖片，檔名要改成yolo

3. 圖庫 https://universe.roboflow.com/
### 2. 訓練
[YOLOv7 on Windows (二) 訓練自己的資料集](https://www.larrysprognotes.com/YOLOv7_2/)

1. 看顯卡內存
2.

#### yolo訓練時報錯問題
1. AssertionError: Invalid device id
=> 修改方式 --device 1
:::spoiler
:::

2.

## 參考資料

+ [【小白教学】如何用YOLOv7训练自己的数据集](https://zhuanlan.zhihu.com/p/547878330)

+ [Official YOLO v7 Custom Object Detection Tutorial | Windows & Linux](https://www.youtube.com/watch?v=-QWxJ0j9EY8)

##

function ConnectButton(){
console.log("Connect puushed");
document.querySelector("#top-toolbar > ccolab-connect-button").shadowRoot.querySelector("#connect").click()
}
setInterval(ConnectButton,60000);