Passo 1: Navegar para yolov7
cd yolov7

Passo 2: Criar arquivo de configuração do Treinamento, em "train/data.yaml", com o conteúdo

train: train/train/images
val: train/val/images
test: train/test/images

nc: 2  # número de classes
names: ["weed", "crop"]

Passo 3: Baixar recursos e testar, onde --device 0 para cuda, e cpu para CPU
python test.py --data train/data.yaml --img 640 --batch 32 --conf 0.001 --iou 0.65 --device cpu --weights yolov7.pt --name ervas_v7

Passo 4: Ajustar arquivo "train.py" na linha 71, adicionando a flag weights_only=False
run_id = torch.load(weights, map_location=device, weights_only=False).get('wandb_id') if weights.endswith('.pt') and os.path.isfile(weights) else None

E na linha 87
ckpt = torch.load(weights, map_location=device, weights_only=False)  # load checkpoint

Passo 5: Remover cache dos labels antes do treinamento
del train\val\labels.cache
del train\train\labels.cache
del train\test\labels.cache

Passo 6: Treinamento, onde --device 0 para cuda, e cpu para CPU
python train.py --data train/data.yaml --weights yolov7.pt --batch 16 --epochs 50 --img 412 --device cpu --workers 8 --name ervas_v7