Yolov9 實作練習

首先建立一個Conda的虛擬環境，之後進入後先下載labelImg。

(Labelimg) C:\Users\pudy6>pip install labelImg

(Labelimg) C:\Users\pudy6>pip install labelImg

如果labelImg閃退，建議不用進到虛擬環境，直接去下載LabelImg。

建立一個dataset資料夾

dataset
├─images
│  ├─test(測試集)
│  ├─train(訓練集)
│  └─val(驗證集)
└─labels
    ├─test
    ├─train
    └─val

dataset
├─images
│  ├─test(測試集)
│  ├─train(訓練集)
│  └─val(驗證集)
└─labels
    ├─test
    ├─train
    └─val

8:1:1

點擊Open Dir打開訓練集的圖片資料夾。

接著要選擇剛剛資料夾中的Label資料夾

要改成YOLO的格式，就可以開始框了

建議開啟這兩個。

接著下載yolov9的專案包，解壓縮後進入資料夾。

我將yolov9-main改為yolov9，依據個人喜好。

(Labelimg) C:\Users\pudy6\Desktop\yolov9>pip install -r requirements.txt

(Labelimg) C:\Users\pudy6\Desktop\yolov9>pip install -r requirements.txt

接著安裝相關套件，然後進入到PyTorch依據自己的版本下載。

安裝的過程我們可以先將dataset搬到data底下。

接著更改coco.yaml這支檔案我將它改名為datasets.yaml。

參數	你目前設定值	說明
`--weights`	`yolov9-c-converted.pt`	預訓練權重（模型初始值）
`--data`	`data/datasets.yaml`	資料集配置（train/val 路徑與類別）
`--hyp`	`data/hyps/hyp.scratch-high.yaml`	超參數設定（學習率、增強等）
`--epochs`	`100`	訓練回合數
`--batch-size`	`4`	每次訓練批次（因為 GPU 6GB 限制）
`--img`	`512`	訓練圖片大小（寬高）
`--device`	`0`	使用 GPU 0（RTX 2060）
`--workers`	`1`	資料載入執行緒數量（Windows 建議設低）
`--cache`	開啟	預先載入影像，加快訓練速度
`--optimizer`	預設 `SGD`	最佳化器（可改為 Adam / AdamW）
`--freeze`	`[0]`	不凍結層（全部訓練）
`--single-cls`	False	多類別訓練
`--project`	`runs/train`	輸出資料夾
`--name`	`exp7`	訓練結果名稱
`--save-period`	`-1`	不定期保存模型（僅保存最佳/最後）
`--noval`	False	每個 epoch 都驗證
`--patience`	`100`	提前停止條件（未改）

調整完後就可以開始訓練。

二、驗證指令 val.py

(Labelimg) C:\Users\pudy6\Desktop\yolov9>python val.py

(Labelimg) C:\Users\pudy6\Desktop\yolov9>python val.py

跑完後你會在runs\val\exp2看到驗證後的圖像。

原因： 檔案路徑錯誤或名稱不一致。

✅ 解法：
確定你有這些檔案：

yolov9/data/hyps/hyp.scratch-low.yaml
yolov9/data/hyps/hyp.scratch-high.yaml

yolov9/data/hyps/hyp.scratch-low.yaml
yolov9/data/hyps/hyp.scratch-high.yaml

如果沒有，從官方 repo 重新下載或複製一份。