1.github官网

首先将yolov7的项目clone到本地，并下载一个预训练模型yolov7.pt

2.创建虚拟环境

这里推荐使用Anaconda来创建python的虚拟环境

进入命令行界面，创建一个名叫yolov7的虚拟环境，并激活虚拟环境

3.下载数据集

这里推荐一个网站：https://public.roboflow.com/，这是一个国外的数据集网站，上面的数据集都已经打好了标签，并区分好数据集和验证集

这里我选择的是YOLO V7 Pytorch，各位可自行根据自己的深度学习框架选择不同的数据集。因为是国外的网站，所以访问速度非常慢，这里我给出我自己下载的数据：点击下载数据集

4.修改配置，开始训练

首先一定注意数据集的目录和yolov7的目录要放在同一级，不要把数据集的目录放在yolov7目录里面，如下图所示：

修改数据集文件下的data.yaml，其中的train和val设置数据的训练图片和验证图片，这是我的路径：我用的是绝对路径，相对路径也是可以的。

接着修改train.py这个文件，就是训练模型用的文件，里面需要修改一些配置，废话不多说，直接看图和代码：

weights就是前面下载的yolov7.pt权重文件，data就是数据集里面的data.yaml，我用相对路径来表示，device就是设备，默认使用CPU，这样的效果不好，速度比较慢，推荐用GPU来训练

上述全都配置好以后，就可以直接运行了，出现以下画面，证明已经成功运行了：

训练完成后，会在runs文件夹下的train下显示结果：


weights下面就是训练好的模型，best.pt就是这一次训练得到的一个最佳模型，还有其中的一些结果：

到此就结束了

6.解决报错

众所周知，程序总喜欢报错，明明自己一步一步的从头来，就是运行不了，这就很搞人心态，以下是我遇到的一些错误和对应的解决方法：

这个错误就是yolov7.pt的这个预训练的权重文件没有修改或者修改错了导致的，不要问为什么。

2.YOLOV5s 训练问题总结
3.显卡RTX 3090运行pytorch报错CUDA error: no kernel image is available for execution on the device

如果大家还遇到其他的错误，可以分享出来，到家起义解决

7.最后

对于深度学习这类需要大量算力的学习任务，对于个人电脑来说会比较吃配置，所以这里更推荐大家去租用显卡来跑深度学习模型，这类平台一边都会内置pytorch等深度学习框架，各种python环境都已经预装好，只需上传数据集就可以跑。我使用的平台是恒源云，价格实惠，大家可以试一试。