29 lines
1.1 KiB
Plaintext
29 lines
1.1 KiB
Plaintext
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
|