首先：配好虚拟环境
这步不会的直接去PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】_哔哩哔哩_bilibili
我的版本是python3.8，cuda11.6，torch1.12.1+cu1.6
一：yolov7源代码下载地址GitHub - WongKinYiu/yolov7: Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
二：下载预训练权重模型
我下了yolov7.pt和yolov7x.pt，放在下好的yolov7-main文件夹中留着用
三：安装所需要的包
在anaconda中，进入虚拟环境，进入下载好yolov7-main的文件夹
（requirements文件里面是所需要的包）安装
pip install -r requirements.txt把所需要用到的包都下载下来，不然还得一个一个下。
四：建一个datasets管理自己的数据集
datasets组成如下图，我的分配比例是8：1：1
每一个图片有一个对应自己的labels，格式为txt，内容为类别序号与位置坐标，这里使用labelimg标注的yolo格式的txt
五：在data文件夹下写一个自己的data.yaml文件
按照data文件夹下的coco.yaml文件抄，分别写数据集的train,val,test的绝对地址
有几个类别nc就是几，name就是类别的名字，一定要按顺序写
六：修改cfg文件夹下training文件夹下的yaml文件
用哪个就改哪个的nc，改成自己的类别数，与上一步data.yaml中的nc相同
七：修改train.py中的参数
要改红框一下参数default
weights为下载的预训练模型权重，注意地址问题，不然出错
cfg写改过的cfg文件夹下training文件夹下的yamle文件，注意地址问题
data写自己改的data文件夹下的data.yaml文件，注意地址问题
epochs迭代次数，默认300，过拟合就调小
batch-size一次扔进去几张图，电脑显存不够的话，调小一点
workers线程推荐设置为0（学习from小土堆）
（训练结果保存在runs文件夹下的train文件夹下exp）
其他具体参数详情学习地址：
训练YOLOv5模型（本地）(一）_哔哩哔哩_bilibili
（虽然是yolov5但是参数几乎一样，v5学好即通v7）
改完这些，可以进行训练了，运行train.py文件
运行起来长这样：
八：结果的分析
train：124张 val：26张 test：26张
类别2，face与mask，epoches=50，batch-size=4
训练结果 如下
虽然差点意思，但是这是我训练的第五个数据集了，终于有一个结果让我还可以满意了，那么这个文件夹以及每一个图代表什么意思看这里，日后我会继续扩增数据集(1条消息) yolov7模型训练结果分析以及如何评估yolov7模型训练的效果_yolo训练结果分析_把爱留给SCI的博客-CSDN博客
九：对训练的模型进行检测
修改detect.py文件
weights选择在训练结束后，产生最好的结果，best.pt
source为要检测的图片路径，我使用的数据集的test部分
改好了运行detect.py文件
产生检测结果在runs文件夹下的detect文件夹下exp
十：过程中出现的错误
1：没有utils模块，解决
pip install web.py==0.40-dev1