yolov9学习笔记

一、准备工作

1、github下载yolov9代码

WongKinYiu/yolov9: Implementation of paper - YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information (github.com)

2、下载anaconda

国内镜像下载：

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

建议使用国内镜像下载，下载速度较快

官网下载：

Free Download | Anacondahttps://www.anaconda.com/download/

3、下载cuda

查看显卡可支持的最高cuda版本，下载时不能超过这个版本

下载地址：

CUDA Toolkit - Free Tools and Training | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit

然后下载cudnn

cuDNN 9.0.0 下载 |NVIDIA 开发人员https://developer.nvidia.com/cudnn-downloads

对下载的cuDNN压缩包解压后出现如下三个文件夹

然后找到cuda的安装路径，我的安装路径如下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

分别将cuDNN三个文件夹的内容分别复制到cuda对应的文件夹里面。

下载完成后，搭建环境配置，在系统环境变量中加入

中间一个是安装时自己加入的环境配置，不用管，加入以下两个环境变量即可，我的变量值是下面两个

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

 打开终端输入nvcc -V

查看是否配置成功

这样便是配置成功

3、下载pytorch

下载网站：

Previous PyTorch Versions | PyTorchhttps://pytorch.org/get-started/previous-versions/

选择与自己电脑匹配的cuda版本

4、验证pytorch版本是否合适

打开pycharm新建窗口，新建项目输入以下代码验证

import torch

print(torch.__version__)  # 查看torch当前版本号

print(torch.version.cuda)  # 编译当前版本的torch使用的cuda版本号

print(torch.cuda.is_available())  # 查看当前cuda是否可用于当前版本的Torch，如果输出True，则表示可用

二、下载yolov9所需要的环境

1、打开anaconda终端

cd到yolov9所在的目录

新建python环境，使用python环境，下载yolov9所需要的环境，运行一下指令

pip install requirements.txt

三、正式工作

1、打开pycharm，新建项目，打开yolov9文件夹

打开detect.py文件，需改以下地方

这是权重配置

这里是待检测文件，下载的yolov9代码中有一张图片，可以用来练习

图片在data/images下

复制文件地址，替换detect.py下的代码

这是数据集地址，官网下载的代码中是没有coco128.yaml数据集的，替换成coco.yaml，下文详细说明。

default中默认为cpu，写入0为使用gpu

（1）数据集可使用自带的coco数据集,在pycharm中打开data文件夹

复制路径coco数据集路径

我使用的是绝对路径，复制路径后到detect.py中替换数据集地址

（2）权重下载yolov9的 yolov9-c-converted.pt 即可

下载后的权重文件放入yolov9的文件夹中，引用地址替换权重配置那个地方

我修改完的代码如下：

运行detect.py文件检测结果在runs\detect\exp文件下

训练模型下次再写！！！

我也是刚学习yolo算法，如果有错的地方请见谅！！！