点击下方“深度学习爱好者”，选择加"星标"或“置顶”
!git clone https://github.com/SkalskiP/yolov9.gitdataDir = '/content/css-data/' # css-data is the unzip path of the datasetworkingDir = '/content/' # Working Dir in google colab
num_classes = 10classes = ['Hardhat', 'Mask', 'NO-Hardhat', 'NO-Mask', 'NO-Safety Vest', 'Person', 'Safety Cone', 'Safety Vest', 'machinery', 'vehicle']
num_classes设置为整数值10，表示分类任务中的类别数。 classes是一个包含10个字符串元素的列表，代表不同的类别：'Hardhat'（安全帽）、'Mask'（口罩）、'NO-Hardhat'（无安全帽）、'NO-Mask'（无口罩）、'NO-Safety Vest'（无安全背心）、'Person'（人员）、'Safety Cone'（安全锥）、'Safety Vest'（安全背心）、'machinery'（机械）和'vehicle'（车辆）。
import yamlimport osfile_dict = {'train': os.path.join(dataDir, 'train'),'val': os.path.join(dataDir, 'valid'),'test': os.path.join(dataDir, 'test'),'nc': num_classes,'names': classes}with open(os.path.join(workingDir,'yolov9', 'data.yaml'), 'w+') as f:yaml.dump(file_dict, f)
‘train’：训练数据目录的路径，通过连接‘dataDir’变量和‘train’形成。 ‘val’：验证数据目录的路径，通过连接‘dataDir’变量和‘valid’形成。 ‘test’：测试数据目录的路径，通过连接‘dataDir’变量和‘test’形成。 ‘nc’：类别数，来源于‘num_classes’变量。 ‘names’：类别名称列表，来源于‘classes’变量。
!wget https://github.com/WongKinYiu/yolov9/releases/download/v0.1/yolov9-e.ptcd yolov9!pip install -r requirements.txt -q!python train_dual.py --workers 8 --batch 4 --img 640 --epochs 50 --data /content/yolov9/data.yaml --weights /content/yolov9-e.pt --device 0 --cfg /content/yolov9/models/detect/yolov9.yaml --hyp /content/yolov9/data/hyps/hyp.scratch-high.yaml--workers 8：这个参数指定了训练期间数据预处理的数据加载工作器的数量。更高的数字可以加快数据加载和预处理的速度。 --batch 4：这个参数设置了训练的批次大小。批次大小决定了每次训练迭代中使用的样本数量。 --img 640：这个参数指定了训练的输入图像大小。在这种情况下，图像将在训练期间调整为640像素的高度和宽度。 --epochs 5：这个参数设置了训练的周期数。一个周期是完整地遍历整个训练数据集一次。 --data /content/yolov9/data.yaml：这个参数指定了包含数据集配置信息的YAML文件的路径。 --weights /content/yolov9-c.pt：这个参数指定了用于在训练前初始化模型的预训练权重文件（yolov9-c.pt）的路径。 --device 0：这个参数指定了用于训练的设备。这里，0可能表示第一个可用于训练的GPU设备。 --cfg /content/yolov9/models/detect/yolov9.yaml：这个参数指定了模型配置文件（yolov9.yaml）的路径，该文件定义了YOLOv9模型的架构和参数。 --hyp /content/yolov9/data/hyps/hyp.scratch-high.yaml：这个参数指定了超参数文件（hyp.scratch-high.yaml）的路径，该文件包含训练期间模型的调整参数。
!python detect.py --img 640 --conf 0.1 --device 0 --weights /content/yolov9/runs/train/exp2/weights/best.pt --source /content/css-data/test/images/004763_jpg.rf.46484e6ca73caeaa9de45822cf1085a9.jpg
from IPython.display import ImageImage(filename="/content/yolov9/runs/detect/exp2/004763_jpg.rf.46484e6ca73caeaa9de45822cf1085a9.jpg", width=600)
下载1：Pytoch常用函数手册
在「深度学习爱好者」公众号后台回复：Pytorch常用函数手册，即可下载全网第一份Pytorch常用函数手册，涵盖Tensors介绍、基础函数介绍、数据处理函数、优化函数、CUDA编程、多线程处理等十四章章内容。
下载2：Python视觉实战项目52讲 在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~ ![]()
![]()
from IPython.display import ImageImage(filename="/content/yolov9/runs/detect/exp2/004763_jpg.rf.46484e6ca73caeaa9de45822cf1085a9.jpg", width=600)
下载1：Pytoch常用函数手册 在「深度学习爱好者」公众号后台回复：Pytorch常用函数手册，即可下载全网第一份Pytorch常用函数手册，涵盖Tensors介绍、基础函数介绍、数据处理函数、优化函数、CUDA编程、多线程处理等十四章章内容。 下载2：Python视觉实战项目52讲 在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
交流群 欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
