# YOLOV7 快速上手

1. 下載 [GitHub - WongKinYiu/yolov7](https://github.com/WongKinYiu/yolov7)

2. 配置 venv 虛擬環境避免污染


3. 安裝所有依賴 `pip3 install -r requirements.txt`

4. 創建資料夾 `weights` 並下載官方測試weight
[yolov7_training.pt](https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7_training.pt)

mkdir weights
cd weights
wget https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7_training.pt

5. 執行測試指令, 在`./yolov7`下

python detect.py --weights weights/yolov7.pt --source inference/images 

此處的結果會保存在`/runs/detect/exp/` 裡面

---

# 訓練模型


1. 下載標註工具 [labelImg](https://github.com/heartexlabs/labelImg)


2. 創建資料夾，`datasets`
將圖片標註完成後，其結構會為，將其放置

- images
    - test1.jpg
    - test2.jpg
- labels
    - test1.txt
    - test2.txt
- train_list.txt (存放要被訓練圖片的路徑)
- val_list.txt (存放驗證的路徑)

3. 配置文件修改 (模型) yolov7.yaml
路徑在 `./yolov7/cfg/training/yolov7.yaml`
建議複製一份出來。

# parameters
nc: 2  # 特徵數，以戴口罩以及未戴口罩兩種
depth_multiple: 1.0  # model depth multiple
width_multiple: 1.0  # layer channel multiple

4. 配置數據及文件 coco.yaml
其路徑在`./yolov7/data`
說明
- 訓練集（Training Set）主要用在訓練階段，用於模型擬合，直接參與了模型參數調整的過程。
- 驗證集（Validation Set）是在訓練過程中，用於評估模型的初步能力與超參數調整的依據。

train: ./datasets/train_list.txt  #訓練 
val: ./datasets/val_list.txt # 驗證

# number of classes
nc: 2

# class names
names: [ 'mask','unmask' ]

5. 開始訓練

python train.py --weights weights/yolov7_training.pt --cfg cfg/training/yolov7-Helmet.yaml --data data/Helmet.yaml --device 0,1 --batch-size 64 --epoch 10

python train.py --weights weights/yolov7.pt --cfg cfg/training/mask-yolov7.yaml --data data/mask-coco.yaml --batch-size 64 --epoch 10

# --weights weights/yolov7.pt             # 接收预训练模型路径的参数
# --cfg cfg/training/yolov7-Helmet.yaml   # 接收模型配置文件的参数
# --data data/Helmet.yaml                 # 接收数据配置文件的参数
# --device 0,1                            # GPU/CPU训练，我有2块，因此为0,1；若1块，则0；若CPU，则cpu
# --batch-size 64                         # 按照自己GPU内存大小大致确定
# --epoch 10                              # 不用多说；我仅展示，因此不训练那么多次了

6. 執行結果

python detect.py --weights runs/train/exp3/weights/best.pt --source datasets/testImages


python detect.py --weights runs/train/exp3/weights/best.pt --source inference/images

## 顯示卡訓練

裝置管理員可以看到目前裝載的GPU

此處可以看到CUDA為11.6.134版本