预测结果：
一、数据集准备
数据集的准备包括数据集适配YOLO格式的重新分配以及相应配置文件的书写，此处可查看博主的TT100K2yolo的重新分配博文，该文章包括数据集划分，配置文件书写，以及最终的数据集层级目录组织，可以直接提供给下一步进行训练。
需要注意的是数据集的yaml文件有一点不一样：
YOLOv7中么有图中红色框中的path路径，注释掉即可。
二、环境配置
可参考博主YOLOv5的环境部署，博主实测YOLOv7可直接在YOLOv5环境下直接训练预测。
三、训练
训练参数也和YOLOv5通用。
注意事项：YOLOv7比YOLOv5更吃性能，博主3080（10G）YOLOv5batchsize可以给40，训练v7只能给8。而且收敛速度也比较慢，博主最后是迭代了有500个epoch。
2.1 train.py
修改配置文件参数。
官方代码中这块默认yaml文件是coco128.yaml：
同理，这里直接将上节中的yaml文件rett100k.yaml替换掉coco128.yaml即可。
这里是在代码中修改，还有一种方式是在训练的时候输入yaml文件地址,可参见readme文档。
2.2 训练代码运行
当然首先需要进入YOLOv5目录下，博主是在新建的虚拟环境中配置的yolov5，所以需要先激活pytorch环境：
可以先通过以下命令查看虚拟环境：
conda info -e
博主yolov5的虚拟环境是在jpytorch下的，所以执行：
source activate jpytorch
如此便可以进行训练操作了。文章来源：https://www.toymoban.com/news/detail-463830.html
再执行以下语句：文章来源地址https://www.toymoban.com/news/detail-463830.html
python train.py --data rett100k.yaml --cfg yolov5s.yaml --weights '' --batch-size 到了这里，关于win下YOLOv7训练自己的数据集（交通标志TT100K识别）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
