1. 下载源代码：点击下载

2. 进入项目根目录并执行以下命令安装requirements.txt中的相关依赖

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

3. 官网下载权重yolov7.pt（测试使用）、yolov7-tiny.pt（训练使用，这里使用什么模型则使用对应的权重）

4. 在项目根目录下建立文件夹weights，把刚刚下载好的权重放进去

5. 检测（detect）

   python detect.py --weights weights/yolov7.pt --source inference/images --device 0
   

6. 训练（training）

   1. 准备YOLO格式的数据集，然后将数据集放在根目录下

      

   2. 修改配置文件

      1. 在data文件夹下新建立一个xxx.yaml文件（这里我建立的是voc.yaml），然后将同目录下的coco.yaml文件内容复制进去，并修改以下内容，train、val、test分别为训练、验证、测试图片路径所在的文件，nc代表类别数 ，这里我使用的VOC2007，所以为20类，names则为各个，类别的名称

         

      2. 修改cfg.training文件夹下的文件，用哪个模型就对应修改哪个文件，这里我使用的是yolov7-tiny模型，所以修改yolov7-tiny.yaml文件，VOC为20个类别所以修改为20

         

   3. 执行命令进行训练

      python train.py --weights weights/yolov7-tiny.pt --cfg cfg/training/yolov7-tiny.yaml --data data/voc.yaml --device 0 --batch-size 16 --epoch 300
      

7. 训练完毕得到300轮训练最好的权重，则将权重改为它，预测即可用我们自己训练的权重去预测

训练完毕得到300轮训练最好的权重，则将权重改为它，预测即可用我们自己训练的权重去预测