想要体验前沿目标检测模型 YOLOv7 的强大能力并将其应用于解决实际问题那么环境搭建、数据集准备、模型训练与推理这几个关键环节便是你必须迈过的门槛。对于初学者乃至是有一定开发经验的读者而言从配置复杂的依赖环境到处理特定格式的数据集再到调试训练参数、部署模型进行预测每一步都可能面临诸多挑战。别担心这篇博客正是为了解决这些痛点而来。我们将手把手带你完成 YOLOv7 的环境搭建包括 CUDA、PyTorch 等关键组件详解如何整理、标注并转换自定义数据集以适应 YOLOv7 的训练需求展示如何使用训练好的模型对图像或视频进行高效的目标检测推理。跟随本教程你将能够完整了解 YOLOv7 项目的实战流程从入门到部署一步步搭建起自己的目标检测系统。1 软件准备工作必备Anaconda我自己使用的使用的是Ubuntu系统我主要使用的是Anaconda。但是你如果想更方便的编辑一些代码或者测试一些代码这里还推荐你安装Pycharm如果你不太确定需不需要可以稍后等YOLOv7安装好之后再根据需求来定但是在这一步必须要把Anaconda安装好。关于Anaconda的安装有两种方法一、直接进入Anaconda的官网进行下载在正式介绍安装之前简单说明几句这里安装anaconda之前是没有安装python的因为anaconda自带python。关于直接从官方网站下载并不太推荐因为Anaconda官网是国外网站下载很慢但是有条件的朋友们可以尝试也可以在一定程度上提高一下我们的英语水平~。~。官网地址https://www.anaconda.com/download二、通过国内的清华源镜像下载清华源网站https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/进入页面之后会看到各版本的安装包以及它们的大小和更新日期我们根据自己的电脑系统来选择合适自己的安装包。win系统就选-win的苹果用户就选-mac而我是ubuntu我就选-linux。2 环境搭建2.1创建虚拟环境windows系统在下载完anconda之后打开开始菜单我们会看到anconda prompt。而在Ubuntu中我直接打开终端就可以。自此开始我都以Ubuntu系统来开始叙述。首先使用以下命令来查询你自己的python版本python --version然后你会获得如下回复说明版本为3.12然后使用以下命令来新建虚拟环境conda create -n 虚拟环境名字 python你的python版本如3.12因为我们是搭建YOLOv7的环境但是我之前已经搭建过名为YOLOv7的环境了所以我这里使用YOLOv7-test来作为名字这个名字可以随意你只要能记住就可以。那么我的创建虚拟环境的命令如下​conda create -n yolov7-test python3.12正常情况会显示如下输入y继续创建在这之后会出现加载过程进度条儿加载过程完毕之后我们输入以下命令来打开我们的虚拟环境。你自己创建的什么名字就用什么名字。conda activate yolov7-test出现如下情况说明虚拟环境成功激活。前边的base变成yolov7-test那么我们就从base环境进入到了我们所创建的虚拟环境。2.2 安装CUDA接下来是连个核心组成的安装分别是CUDA和pytorch。我们需要先安装CUDA。在安装CUDA之前我们要先检查一下我们的电脑支持的最高版本的CUDA是多少使用以下命令来查看。nvidia-smi然后我们会看到以下的情况在右上角我们就能看到我们的CUDA的版本了。然后进入CUDA官网CUDA Toolkit Archive | NVIDIA Developer选择适合自己的版本点击。然后我们就会看到如下的界面无论是win系统还是ubuntu系统直接按照自己电脑的实际情况根据提示进行下载就可以。下载成功之后在终端输入nvcc --version查看会看到类似第二幅图的情况这样就说明安装成功了。nvcc --version2.3 安装pytorch进入pythorch官网https://pytorch.org/get-started/locally/在这里选择自己的系统类型选择python再选择自己的cuda版本下面会生成连接复制这个连接到你的终端运行然后静静等待安装就可以这个过程比较慢。如此一来基础环境我们就已经搭建好了接下来我们配置yolov7所需的其余环境。如果你想安装早期的pytorch版本在上述的页面中点击Previous PyThorch Versions即可。3 YOLOv7运行环境配置首先我们进入YOLOv7的源码地址https://github.com/WongKinYiu/yolov7点击code然后download zip下载源代码在这里呢我建议顺便将YOLOv7的几个权重一起下载下来。从上述页面往下滑动就可以看到五个不同的权重。源代码下载后解压就是下面这样的这里面的requirements.txt文件是接下来安装YOLOv7依赖的所需文件。cd 你的源代码所在 比如我的代码包yolov7-main在XXA下那么就可以这样 cd XXA/yolov7-main我们切换的最后一个名称是我们源代码包的名称这样我们就进入到了我们的源代码包目录下然后使用pip安装所需依赖指令如下。pip install -r requirements.txt静静等待安装完成即可安装完成后我们的YOLOv7的环境也就搭建完成了下面我们来验证一下我们的安装是否成功。4 验证环境这个时候就要用到我刚才建议大家下载的那几个权重了将yolov7.pt放到yolov7的根目录下我这里也就是yolov7-main里面。在下面第一个画红线的地方可以修改我们的权重这个文件初始默认的是yolov7.pt我建议直接用这个测试省的改麻烦等熟悉熟悉再去自己探索。我们就将yolov7.pt放到文件夹里之后运行detect.py进行测试。出现如下情况说明测试成功也说明你的环境配置成功。测试结果会提示你保存到了那个文件夹里可以自行查看比如我的保存到了runs/detect/...里我们打开看一下)。测试结果展示到这里如果一切顺利的话你的YOLOv7的环境的配置已经没有问题了接下来就可以开始利用自己的数据集来训练自己的模型了具体的操作方法在下一篇中详细讲述。有任何疑问欢迎在评论区留言~.~。