ymir-yolov7 镜像说明文档#

代码仓库#

参考WongKinYiu/yolov7 - modelai/ymir-yolov7

镜像地址#

youdaoyzbx/ymir-executor:ymir2.1.0-yolov7-cu111-tmi

性能表现#

数据参考WongKinYiu/yolov7

Model	Test Size	AP^test	AP₅₀^test	AP₇₅^test	batch 1 fps	batch 32 average time
YOLOv7	640	51.4%	69.7%	55.9%	161 fps	2.8 ms
YOLOv7-X	640	53.1%	71.2%	57.8%	114 fps	4.3 ms

YOLOv7-W6	1280	54.9%	72.6%	60.1%	84 fps	7.6 ms
YOLOv7-E6	1280	56.0%	73.5%	61.2%	56 fps	12.3 ms
YOLOv7-D6	1280	56.6%	74.0%	61.8%	44 fps	15.0 ms
YOLOv7-E6E	1280	56.8%	74.4%	62.1%	36 fps	18.7 ms

训练参数#

超参数	默认值	类型	说明	建议
hyper-parameter	default value	type	note	advice
shm_size	128G	字符串	受ymir后台处理，docker image 可用共享内存	建议大小：镜像占用GPU数 * 32G
export_format	ark:raw	字符串	受ymir后台处理，ymir数据集导出格式	-
model	yolov5s	字符串	yolov5模型，可选yolov5n, yolov5s, yolov5m, yolov5l等	建议：速度快选yolov5n, 精度高选yolov5l, yolov5x, 平衡选yolov5s或yolov5m
batch_size_per_gpu	16	整数	每张GPU一次处理的图片数量	建议大小：显存占用<50% 可增加2倍加快训练速度
workers_per_gpu	4	整数	每张GPU对应的数据读取进程数	-
epochs	100	整数	整个数据集的训练遍历次数	建议：必要时分析tensorboard确定是否有必要改变，一般采用默认值即可
img_size	640	整数	输入模型的图像分辨率	-
args_options	'--exist-ok'	字符串	yolov5命令行参数	建议：专业用户可用yolov5所有命令行参数
save_weight_file_num	1	整数	保存最新模型的数量	-
sync_bn	False	布尔型	是否同步各gpu上的归一化层	建议：开启以提高训练稳定性及精度
cfg_file	cfg/training/yolov7-tiny.yaml	文件路径	模型文件路径, 对应 `--cfg`	参考cfg/training
hyp_file	data/hyp.scratch.tiny.yaml	文件路径	超参数文件路径，对应 `--hyp`	参考data
cache_images	True	布尔	是否缓存图像	设置为True可加快训练速度

推理参数#

超参数	默认值	类型	说明	建议
hyper-parameter	default value	type	note	advice
img_size	640	整数	模型的输入图像大小	采用32的整数倍，224 = 32*7 以上大小
conf_thres	0.25	浮点数	置信度阈值	采用默认值
iou_thres	0.45	浮点数	nms时的iou阈值	采用默认值

挖掘参数#

超参数	默认值	类型	说明	建议
hyper-parameter	default value	type	note	advice
shm_size	128G	字符串	受ymir后台处理，docker image 可用共享内存	建议大小：镜像占用GPU数 * 32G
img_size	640	整数	模型的输入图像大小	采用32的整数倍，224 = 32*7 以上大小
conf_thres	0.25	浮点数	置信度阈值	采用默认值
iou_thres	0.45	浮点数	nms时的iou阈值	采用默认值

引用#

@article{wang2022yolov7,
  title={{YOLOv7}: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors},
  author={Wang, Chien-Yao and Bochkovskiy, Alexey and Liao, Hong-Yuan Mark},
  journal={arXiv preprint arXiv:2207.02696},
  year={2022}
}