YOLOv9环境搭建&推理测试

引子

对于CV从业者来说，YOLO系列是个绕不过的经典结构，笔者遥想当年YOLO横空出世的时候，Faster RCNN还是学术界目标检测的翘楚。二阶段检测还是大行其道，不过时至今日，估摸着没有人再提二阶段目标检测的结构了。YOLO系列也从1更新到了9，这新鲜出炉的v9版本，我也来凑个热闹（虽然没有前几年那么热闹了）。OK，让我们开始吧。

一、环境安装

代码仓库

https://github.com/WongKinYiu/yolov9

git clone https://github.com/WongKinYiu/yolov9

（1）环境安装

conda create -n yolov9 python==3.9

conda activate yolov9

cd yolov9-main

pip install -r requirements.txt

oh，no，人生苦短，我选docker。

docker pull registry.cn-beijing.aliyuncs.com/codewithgpu2/wongkinyiu-yolov9:jlN3QNsRGq

二、测试

docker run --rm -it --gpus=all -v /datas/work/zzq:/workspace registry.cn-beijing.aliyuncs.com/codewithgpu2/wongkinyiu-yolov9:jlN3QNsRGq bash

cd /workspace/YOLOv9/yolov9-main

（1）训练

python train.py --workers 8 --device 0 --batch 32 --data data/coco.yaml --img 640 --cfg models/detect/gelan-c.yaml --weights '' --name gelan-c --hyp hyp.scratch-high.yaml

（2）评估

python val.py --data data/coco.yaml --img 640 --batch 32 --conf 0.001 --iou 0.7 --device 0 --weights './gelan-c.pt' --save-json --name gelan_c_640_val

（3）推理

bug修改

line 903 in utils/general.py