YOLOV7
1. 安装和测试：
【小白教学】如何用YOLOv7训练自己的数据集 - 知乎
YOLOv7——训练自己的数据集 - 代码网
conda create --name=yolov7 python=3.8 #the version of your python3
*** 这里需要注意如果 torch 和torchvion版本太高，会导致GPU不可用，因为GPU drive版本太低。可以使用低版本的： pip install torch==1.12.1 torchvision==0.13.1
将/home/xumin/yolov7/utils/dataloaders.py修改
#sa, sb = f'{os.sep}images{os.sep}', f'{os.sep}labels{os.sep}' # /images/, /labels/ substrings
sa, sb = f'{os.sep}JPEGImages{os.sep}', f'{os.sep}labels{os.sep}'
其他和Yolov5一样（数据准备，配置等）。。。
需要注意的是
（1）yolov7.yaml中的参数设置要yolov5s一致（如果做对比实验）
# parameters
nc: 1 # number of classes
depth_multiple: 0.33 # model depth multiple
width_multiple: 0.50 # layer channel multiple
（2） hyp.scratch-low.yaml可以直接copy和使用yolov5的
(3) 如果与yolov5对比，设置optimizer为SGD
Train commands:
python train.py --img 640 --batch 4 --epoch 600 --data data/aphid_voc.yaml --cfg cfg/training/yolov7.yaml --weights weights/yolov7.pt --save_period 100
Test:
python test.py --img 640 --batch-size 1 --data data/aphid_voc.yaml --weights runs/train/yolov7/weights/best.pt
test.py中的‘val’需要修改为‘test’，参考Yolov5
YOLOV8
1. 安装测试
下载：https://github.com/ultralytics/ultralytics
conda create --name=yolov8 python=3.8 #the version of your python3
安装：
pip install ultralytics
下载模型：
YOLOv8(2023年8月版本)安装配置！一条龙傻瓜式安装，遇到问题评论区提问_yolov8下载-CSDN博客
测试：
yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg'
*** 这里需要注意如果 torch 和torchvion版本太高，会导致GPU不可用，因为GPU drive版本太低。可以使用低版本的： pip install torch==1.12.1 torchvision==0.13.1
2. 训练自己的模型
参考：
YOLOv8(2023年8月版本)安装配置！一条龙傻瓜式安装，遇到问题评论区提问_yolov8下载-CSDN博客
YOLOv8训练自己的数据集(超详细)-CSDN博客
YOLOv8 保姆级教程（训练自己的数据集）-CSDN博客
YOLOv8实现缺陷目标检测（附代码和数据集） - 知乎
将/home/xumin/yolov8/ultralytics/data/utils.py修改
#sa, sb = f'{os.sep}images{os.sep}', f'{os.sep}labels{os.sep}' # /images/, /labels/ substrings
sa, sb = f'{os.sep}JPEGImages{os.sep}', f'{os.sep}labels{os.sep}'
其他和Yolov5一样（数据准备，配置等）。。。
（1）数据集（新建datasets文件夹）
/home/xumin/yolov8/ultralytics/datasets，将数据集放置于该文件夹下，需要注意的是，需要将/home/xumin/yolov8/ultralytics/datasets/voc2011/labels 中的标注文件放置于/home/xumin/yolov8/ultralytics/datasets/voc2011/JPEGImages 文件夹下，否则会出现
LOGGER.warning(f"WARNING ⚠️ No labels found in {cache_path}
(2) 配置文件
/home/xumin/yolov8/ultralytics/cfg/datasets下新建aphid_voc.yaml（直接复制yolov5的也可以）
path: ../datasets/VOC
train: /home/xumin/yolov8/ultralytics/datasets/2011_train.txt
val: /home/xumin/yolov8/ultralytics/datasets/2011_val.txt
test: /home/xumin/yolov8/ultralytics/datasets/2011_test.txt
# Classes
nc: 1 # number of classes
names: ['aphid'] # class names
#names:
# 0: aphid/home/xumin/yolov8/ultralytics/cfg/models/v8中找到yolov8.yaml并修改
nc: 1 # number of classes
（3）修改ultralytics/cfg/default.yaml （可以设置为yolov5的，如果做对比实验）
YOLOv8 保姆级教程（训练自己的数据集）-CSDN博客
（4）安装wandb，之后可以监控训练过程
pip install wandb
Train commands:
yolo train data=/home/xumin/yolov8/ultralytics/cfg/datasets/aphid_voc.yaml model=yolov8s.pt epochs=600 imgsz=640 batch=4 workers=8 optimizer=SGD device=0
Test commands:
#需要修改ultralytics/cfg/default.yaml中的 Val/Test settings -
yolo val data=/home/xumin/yolov8/ultralytics/cfg/datasets/aphid_voc.yaml model=/home/xumin/runs/detect/yolov8/weights/best.pt epochs=600 imgsz=640 batch=1 workers=8 optimizer=SGD device=0 split=test
