【全网最详细yolov6】yoloV6调试记录（含训练自己的数据集及常见报错及解决方法）--持续更新ing

原创

已于 2022-07-17 12:33:52 修改 · 2.1w 阅读

137

文章标签：

#大数据 #python #计算机视觉 #深度学习

于 2022-06-27 22:46:16 首次发布

本文手把手教你如何调试最新的yolov6，复现运行COCO2017及训练自己的数据集，目前该项目刚发布，BUG会比较多，调起来一般不会那么顺利，本文含windows+ubuntu，并给出了一些常见问题和解决方法：

6.自己训练的尝试和tips（供大家参考）

1.项目简介

最近由美团发布了yoloV6，声称达到了如下的效果：

其中YOLOv6-nano在COCO val2017数据集上达到了35.0 mAP， YOLOv6-s在同样的数据集上达到了43.1 mAP。

工程和说明见：GitHub - meituan/YOLOv6: YOLOv6: a single-stage object detection framework dedicated to industrial applications.https://github.com/meituan/YOLOv6

目前由于工程是近期发布的，有一定的问题，而且GIthub中的说明也不是很详细，特此写一篇关于调试的文章。

---------------------------------------------------------------------------------------------------------

2.注意和推荐

由于该工程较新，bug还是非常多的，建议大家多去github上看看自己的issue是否有出现，这几天代码修改的也比较勤，大家尽量保持更新，会有bug fixed。现在更多的问题表现在训练自己的数据集上。

-------------------------------------------------------------------------------------------------------

写在最前面：

经过测试该工程不适合笔记本（测试电脑为r9000p 2021）及普通台式机，适合运行在性能较好的电脑或者服务器上，本文为windows上的配置，供大家参考学习！

2022 7.1更新服务器运行，新版本工程加入了end2end

----------------------------------------------------------------------------------------------------------

3.项目配置（含COCO数据集配置）

本部分是重现作者的效果，即在COCO上尝试运行该程序。

以下开始windows上的配置：

从requirement.txt可以看出该工程依赖于以下：

注意：请勿安装最新版本的torch（1.11.0）+torchvison（0.12）会出现问题！

我的成功运行的环境供大家参考：python 3.8.13 torchvision 0.11.1+cu113 torch 1.10.0+cu113 numpy 1.21.5 opencv-python 4.6.0.66 opencv-python-headless 4.5.5.64 addict 2.4.0 pyyaml 6.0 等等

此处省略安装torch配套的cuda和cudnn过程。

--------------------------------------------------------------------------------------------------------

说明：本调试完成与windows10+pycharm，但仍然强烈推荐在服务器（linux）上完成调试

首先第一步克隆工程

git clone https://github.com/meituan/YOLOv6
cd YOLOv6
pip install -r requirements.txt

先加载一下预训练模型（测试）：（下载地址）

https://github.com/meituan/YOLOv6/releases/tag/0.1.0https://github.com/meituan/YOLOv6/releases/tag/0.1.0

先将这三个文件下载下来，放入weights文件夹（需要自行创建）下。

若要在pycharm中运行则需要，在其终端下的command Prompt而非windows的powershell，否则会报错（使用虚拟环境的话会找不到例如torch等库）

然后运行inference模型：

python tools/infer.py --weights yolov6s.pt 
                                
yolov6n.pt（此处可替换别的模型）

imagedir保持默认即可，该路径存在，可选项如下：

可以看到测试推断结果：

看起来效果不错。

----------------------------------------------------------------------------------------------------

测试完毕后到训练阶段：

准备工作：下载COCO数据集（可能需要科学上网），并在yaml文件中更改相应路径

最低0.47元/天解锁文章