[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-bubbliiiing--yolov7-pytorch":3,"tool-bubbliiiing--yolov7-pytorch":64},[4,17,26,40,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,2,"2026-04-03T11:11:01",[13,14,15],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":23,"last_commit_at":32,"category_tags":33,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,34,35,36,15,37,38,13,39],"数据工具","视频","插件","其他","语言模型","音频",{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":10,"last_commit_at":46,"category_tags":47,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,38,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74913,"2026-04-05T10:44:17",[38,14,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":23,"last_commit_at":62,"category_tags":63,"status":16},2471,"tesseract","tesseract-ocr\u002Ftesseract","Tesseract 是一款历史悠久且备受推崇的开源光学字符识别（OCR）引擎，最初由惠普实验室开发，后由 Google 维护，目前由全球社区共同贡献。它的核心功能是将图片中的文字转化为可编辑、可搜索的文本数据，有效解决了从扫描件、照片或 PDF 文档中提取文字信息的难题，是数字化归档和信息自动化的重要基础工具。\n\n在技术层面，Tesseract 展现了强大的适应能力。从版本 4 开始，它引入了基于长短期记忆网络（LSTM）的神经网络 OCR 引擎，显著提升了行识别的准确率；同时，为了兼顾旧有需求，它依然支持传统的字符模式识别引擎。Tesseract 原生支持 UTF-8 编码，开箱即用即可识别超过 100 种语言，并兼容 PNG、JPEG、TIFF 等多种常见图像格式。输出方面，它灵活支持纯文本、hOCR、PDF、TSV 等多种格式，方便后续数据处理。\n\nTesseract 主要面向开发者、研究人员以及需要构建文档处理流程的企业用户。由于它本身是一个命令行工具和库（libtesseract），不包含图形用户界面（GUI），因此最适合具备一定编程能力的技术人员集成到自动化脚本或应用程序中",73286,"2026-04-03T01:56:45",[13,14],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":10,"env_os":91,"env_gpu":92,"env_ram":91,"env_deps":93,"category_tags":98,"github_topics":79,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":99,"updated_at":100,"faqs":101,"releases":142},2103,"bubbliiiing\u002Fyolov7-pytorch","yolov7-pytorch","这是一个yolov7的库，可以用于训练自己的数据集。","yolov7-pytorch 是 YOLOv7 目标检测模型在 PyTorch 框架下的高效实现，旨在帮助开发者轻松训练和部署自定义的目标检测系统。它解决了从数据预处理、模型训练到结果预测的全流程需求，让用户无需从零构建代码即可快速上手。无论是希望识别特定物体（如猫狗、车辆）的科研人员，还是需要将视觉能力集成到应用中的工程师，都能通过该库获得支持。\n\n该项目不仅复现了 YOLOv7 的高精度检测能力，还针对实际应用场景进行了多项优化。其技术亮点包括支持多 GPU 并行训练以加速迭代、提供 EMA（指数移动平均）策略提升模型稳定性、自适应调整学习率以及生成热力图辅助分析。此外，库中详细整理了从 VOC 格式数据处理到各类超参数配置的完整教程，并兼容多种优化器与学习率调度策略。对于想要尝试最新目标检测算法或需要基于自有数据集进行微调的用户而言，yolov7-pytorch 提供了一个功能完善且文档友好的开源解决方案。","## YOLOV7：You Only Look Once目标检测模型在pytorch当中的实现\n---\n\n## 目录\n1. [仓库更新 Top News](#仓库更新)\n2. [相关仓库 Related code](#相关仓库)\n3. [性能情况 Performance](#性能情况)\n4. [所需环境 Environment](#所需环境)\n5. [文件下载 Download](#文件下载)\n6. [训练步骤 How2train](#训练步骤)\n7. [预测步骤 How2predict](#预测步骤)\n8. [评估步骤 How2eval](#评估步骤)\n9. [参考资料 Reference](#Reference)\n\n## Top News\n**`2022-07`**:**仓库创建，支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整、新增图片裁剪、支持多GPU训练、支持各个种类目标数量计算、支持heatmap、支持EMA。**  \n\n## 相关仓库\n| 模型 | 路径 |\n| :----- | :----- |\nYoloV3 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolo3-pytorch  \nEfficientnet-Yolo3 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fefficientnet-yolo3-pytorch  \nYoloV4 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov4-pytorch\nYoloV4-tiny | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov4-tiny-pytorch\nMobilenet-Yolov4 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fmobilenet-yolov4-pytorch\nYoloV5-V5.0 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov5-pytorch\nYoloV5-V6.1 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov5-v6.1-pytorch\nYoloX | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolox-pytorch\nYoloV7 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\nYoloV7-tiny | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-tiny-pytorch\n\n## 性能情况\n| 训练数据集 | 权值文件名称 | 测试数据集 | 输入图片大小 | mAP 0.5:0.95 | mAP 0.5 |\n| :-----: | :-----: | :------: | :------: | :------: | :-----: |\n| COCO-Train2017 | [yolov7_weights.pth](https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Freleases\u002Fdownload\u002Fv1.0\u002Fyolov7_weights.pth) | COCO-Val2017 | 640x640 | 50.7 | 69.2\n| COCO-Train2017 | [yolov7_x_weights.pth](https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Freleases\u002Fdownload\u002Fv1.0\u002Fyolov7_x_weights.pth) | COCO-Val2017 | 640x640 | 52.4 | 70.5\n\n## 所需环境\ntorch==1.2.0    \n为了使用amp混合精度，推荐使用torch1.7.1以上的版本。\n\n## 文件下载\n训练所需的权值可在百度网盘中下载。  \n链接: https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1uYpjWC1uOo3Q-klpUEy9LQ     \n提取码: pmua    \n\nVOC数据集下载地址如下，里面已经包括了训练集、测试集、验证集（与测试集一样），无需再次划分：  \n链接: https:\u002F\u002Fpan.baidu.com\u002Fs\u002F19Mw2u_df_nBzsC2lg20fQA    \n提取码: j5ge   \n\n## 训练步骤\n### a、训练VOC07+12数据集\n1. 数据集的准备   \n**本文使用VOC格式进行训练，训练前需要下载好VOC07+12的数据集，解压后放在根目录**  \n\n2. 数据集的处理   \n修改voc_annotation.py里面的annotation_mode=2，运行voc_annotation.py生成根目录下的2007_train.txt和2007_val.txt。   \n\n3. 开始网络训练   \ntrain.py的默认参数用于训练VOC数据集，直接运行train.py即可开始训练。   \n\n4. 训练结果预测   \n训练结果预测需要用到两个文件，分别是yolo.py和predict.py。我们首先需要去yolo.py里面修改model_path以及classes_path，这两个参数必须要修改。   \n**model_path指向训练好的权值文件，在logs文件夹里。   \nclasses_path指向检测类别所对应的txt。**   \n完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。   \n\n### b、训练自己的数据集\n1. 数据集的准备  \n**本文使用VOC格式进行训练，训练前需要自己制作好数据集，**    \n训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。   \n训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。   \n\n2. 数据集的处理  \n在完成数据集的摆放之后，我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。   \n修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_path，classes_path用于指向检测类别所对应的txt。   \n训练自己的数据集时，可以自己建立一个cls_classes.txt，里面写自己所需要区分的类别。   \nmodel_data\u002Fcls_classes.txt文件内容为：      \n```python\ncat\ndog\n...\n```\n修改voc_annotation.py中的classes_path，使其对应cls_classes.txt，并运行voc_annotation.py。  \n\n3. 开始网络训练  \n**训练的参数较多，均在train.py中，大家可以在下载库后仔细看注释，其中最重要的部分依然是train.py里的classes_path。**  \n**classes_path用于指向检测类别所对应的txt，这个txt和voc_annotation.py里面的txt一样！训练自己的数据集必须要修改！**  \n修改完classes_path后就可以运行train.py开始训练了，在训练多个epoch后，权值会生成在logs文件夹中。  \n\n4. 训练结果预测  \n训练结果预测需要用到两个文件，分别是yolo.py和predict.py。在yolo.py里面修改model_path以及classes_path。  \n**model_path指向训练好的权值文件，在logs文件夹里。  \nclasses_path指向检测类别所对应的txt。**  \n完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。  \n\n## 预测步骤\n### a、使用预训练权重\n1. 下载完库后解压，在百度网盘下载权值，放入model_data，运行predict.py，输入  \n```python\nimg\u002Fstreet.jpg\n```\n2. 在predict.py里面进行设置可以进行fps测试和video视频检测。  \n### b、使用自己训练的权重\n1. 按照训练步骤训练。  \n2. 在yolo.py文件里面，在如下部分修改model_path和classes_path使其对应训练好的文件；**model_path对应logs文件夹下面的权值文件，classes_path是model_path对应分的类**。  \n```python\n_defaults = {\n    #--------------------------------------------------------------------------#\n    #   使用自己训练好的模型进行预测一定要修改model_path和classes_path！\n    #   model_path指向logs文件夹下的权值文件，classes_path指向model_data下的txt\n    #\n    #   训练好后logs文件夹下存在多个权值文件，选择验证集损失较低的即可。\n    #   验证集损失较低不代表mAP较高，仅代表该权值在验证集上泛化性能较好。\n    #   如果出现shape不匹配，同时要注意训练时的model_path和classes_path参数的修改\n    #--------------------------------------------------------------------------#\n    \"model_path\"        : 'model_data\u002Fyolov7_weights.pth',\n    \"classes_path\"      : 'model_data\u002Fcoco_classes.txt',\n    #---------------------------------------------------------------------#\n    #   anchors_path代表先验框对应的txt文件，一般不修改。\n    #   anchors_mask用于帮助代码找到对应的先验框，一般不修改。\n    #---------------------------------------------------------------------#\n    \"anchors_path\"      : 'model_data\u002Fyolo_anchors.txt',\n    \"anchors_mask\"      : [[6, 7, 8], [3, 4, 5], [0, 1, 2]],\n    #---------------------------------------------------------------------#\n    #   输入图片的大小，必须为32的倍数。\n    #---------------------------------------------------------------------#\n    \"input_shape\"       : [640, 640],\n    #------------------------------------------------------#\n    #   所使用到的yolov7的版本，本仓库一共提供两个：\n    #   l : 对应yolov7\n    #   x : 对应yolov7_x\n    #------------------------------------------------------#\n    \"phi\"               : 'l',\n    #---------------------------------------------------------------------#\n    #   只有得分大于置信度的预测框会被保留下来\n    #---------------------------------------------------------------------#\n    \"confidence\"        : 0.5,\n    #---------------------------------------------------------------------#\n    #   非极大抑制所用到的nms_iou大小\n    #---------------------------------------------------------------------#\n    \"nms_iou\"           : 0.3,\n    #---------------------------------------------------------------------#\n    #   该变量用于控制是否使用letterbox_image对输入图像进行不失真的resize，\n    #   在多次测试后，发现关闭letterbox_image直接resize的效果更好\n    #---------------------------------------------------------------------#\n    \"letterbox_image\"   : True,\n    #-------------------------------#\n    #   是否使用Cuda\n    #   没有GPU可以设置成False\n    #-------------------------------#\n    \"cuda\"              : True,\n}\n```\n3. 运行predict.py，输入  \n```python\nimg\u002Fstreet.jpg\n```\n4. 在predict.py里面进行设置可以进行fps测试和video视频检测。  \n\n## 评估步骤 \n### a、评估VOC07+12的测试集\n1. 本文使用VOC格式进行评估。VOC07+12已经划分好了测试集，无需利用voc_annotation.py生成ImageSets文件夹下的txt。\n2. 在yolo.py里面修改model_path以及classes_path。**model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。**  \n3. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。\n\n### b、评估自己的数据集\n1. 本文使用VOC格式进行评估。  \n2. 如果在训练前已经运行过voc_annotation.py文件，代码会自动将数据集划分成训练集、验证集和测试集。如果想要修改测试集的比例，可以修改voc_annotation.py文件下的trainval_percent。trainval_percent用于指定(训练集+验证集)与测试集的比例，默认情况下 (训练集+验证集):测试集 = 9:1。train_percent用于指定(训练集+验证集)中训练集与验证集的比例，默认情况下 训练集:验证集 = 9:1。\n3. 利用voc_annotation.py划分测试集后，前往get_map.py文件修改classes_path，classes_path用于指向检测类别所对应的txt，这个txt和训练时的txt一样。评估自己的数据集必须要修改。\n4. 在yolo.py里面修改model_path以及classes_path。**model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。**  \n5. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。\n\n## Reference\nhttps:\u002F\u002Fgithub.com\u002FWongKinYiu\u002Fyolov7\n","## YOLOv7：在PyTorch中的实现——你只看一次的目标检测模型\n---\n\n## 目录\n1. [仓库更新 Top News](#仓库更新)\n2. [相关仓库 Related code](#相关仓库)\n3. [性能情况 Performance](#性能情况)\n4. [所需环境 Environment](#所需环境)\n5. [文件下载 Download](#文件下载)\n6. [训练步骤 How2train](#训练步骤)\n7. [预测步骤 How2predict](#预测步骤)\n8. [评估步骤 How2eval](#评估步骤)\n9. [参考资料 Reference](#Reference)\n\n## Top News\n**`2022-07`**:**仓库创建，支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整、新增图片裁剪、支持多GPU训练、支持各个种类目标数量计算、支持heatmap、支持EMA。**  \n\n## 相关仓库\n| 模型 | 路径 |\n| :----- | :----- |\nYoloV3 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolo3-pytorch  \nEfficientnet-Yolo3 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fefficientnet-yolo3-pytorch  \nYoloV4 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov4-pytorch\nYoloV4-tiny | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov4-tiny-pytorch\nMobilenet-Yolov4 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fmobilenet-yolov4-pytorch\nYoloV5-V5.0 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov5-pytorch\nYoloV5-V6.1 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov5-v6.1-pytorch\nYoloX | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolox-pytorch\nYoloV7 | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\nYoloV7-tiny | https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-tiny-pytorch\n\n## 性能情况\n| 训练数据集 | 权值文件名称 | 测试数据集 | 输入图片大小 | mAP 0.5:0.95 | mAP 0.5 |\n| :-----: | :-----: | :------: | :------: | :------: | :-----: |\n| COCO-Train2017 | [yolov7_weights.pth](https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Freleases\u002Fdownload\u002Fv1.0\u002Fyolov7_weights.pth) | COCO-Val2017 | 640x640 | 50.7 | 69.2\n| COCO-Train2017 | [yolov7_x_weights.pth](https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Freleases\u002Fdownload\u002Fv1.0\u002Fyolov7_x_weights.pth) | COCO-Val2017 | 640x640 | 52.4 | 70.5\n\n## 所需环境\ntorch==1.2.0    \n为了使用amp混合精度，推荐使用torch1.7.1以上的版本。\n\n## 文件下载\n训练所需的权值可在百度网盘中下载。  \n链接: https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1uYpjWC1uOo3Q-klpUEy9LQ     \n提取码: pmua    \n\nVOC数据集下载地址如下，里面已经包括了训练集、测试集、验证集（与测试集一样），无需再次划分：  \n链接: https:\u002F\u002Fpan.baidu.com\u002Fs\u002F19Mw2u_df_nBzsC2lg20fQA    \n提取码: j5ge   \n\n## 训练步骤\n### a、训练VOC07+12数据集\n1. 数据集的准备   \n**本文使用VOC格式进行训练，训练前需要下载好VOC07+12的数据集，解压后放在根目录**  \n\n2. 数据集的处理   \n修改voc_annotation.py里面的annotation_mode=2，运行voc_annotation.py生成根目录下的2007_train.txt和2007_val.txt。   \n\n3. 开始网络训练   \ntrain.py的默认参数用于训练VOC数据集，直接运行train.py即可开始训练。   \n\n4. 训练结果预测   \n训练结果预测需要用到两个文件，分别是yolo.py和predict.py。我们首先需要去yolo.py里面修改model_path以及classes_path，这两个参数必须要修改。   \n**model_path指向训练好的权值文件，在logs文件夹里。   \nclasses_path指向检测类别所对应的txt。**   \n完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。   \n\n### b、训练自己的数据集\n1. 数据集的准备  \n**本文使用VOC格式进行训练，训练前需要自己制作好数据集，**    \n训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。   \n训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。   \n\n2. 数据集的处理  \n在完成数据集的摆放之后，我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。   \n修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_path，classes_path用于指向检测类别所对应的txt。   \n训练自己的数据集时，可以自己建立一个cls_classes.txt，里面写自己所需要区分的类别。   \nmodel_data\u002Fcls_classes.txt文件内容为：      \n```python\ncat\ndog\n...\n```\n修改voc_annotation.py中的classes_path，使其对应cls_classes.txt，并运行voc_annotation.py。  \n\n3. 开始网络训练  \n**训练的参数较多，均在train.py中，大家可以在下载库后仔细看注释，其中最重要的部分依然是train.py里的classes_path。**  \n**classes_path用于指向检测类别所对应的txt，这个txt和voc_annotation.py里面的txt一样！训练自己的数据集必须要修改！**  \n修改完classes_path后就可以运行train.py开始训练了，在训练多个epoch后，权值会生成在logs文件夹中。  \n\n4. 训练结果预测  \n训练结果预测需要用到两个文件，分别是yolo.py和predict.py。在yolo.py里面修改model_path以及classes_path。  \n**model_path指向训练好的权值文件，在logs文件夹里。  \nclasses_path指向检测类别所对应的txt。**  \n完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。  \n\n## 预测步骤\n### a、使用预训练权重\n1. 下载完库后解压，在百度网盘下载权值，放入model_data，运行predict.py，输入  \n```python\nimg\u002Fstreet.jpg\n```\n2. 在predict.py里面进行设置可以进行fps测试和video视频检测。  \n### b、使用自己训练的权重\n1. 按照训练步骤训练。  \n2. 在yolo.py文件里面，在如下部分修改model_path和classes_path使其对应训练好的文件；**model_path对应logs文件夹下面的权值文件，classes_path是model_path对应分的类**。  \n```python\n_defaults = {\n    #--------------------------------------------------------------------------#\n    #   使用自己训练好的模型进行预测一定要修改model_path和classes_path！\n    #   model_path指向logs文件夹下的权值文件，classes_path指向model_data下的txt\n    #\n    #   训练好后logs文件夹下存在多个权值文件，选择验证集损失较低的即可。\n    #   验证集损失较低不代表mAP较高，仅代表该权值在验证集上泛化性能较好。\n    #   如果出现shape不匹配，同时要注意训练时的model_path和classes_path参数的修改\n    #--------------------------------------------------------------------------#\n    \"model_path\"        : 'model_data\u002Fyolov7_weights.pth',\n    \"classes_path\"      : 'model_data\u002Fcoco_classes.txt',\n    #---------------------------------------------------------------------#\n    #   anchors_path代表先验框对应的txt文件，一般不修改。\n    #   anchors_mask用于帮助代码找到对应的先验框，一般不修改。\n    #---------------------------------------------------------------------#\n    \"anchors_path\"      : 'model_data\u002Fyolo_anchors.txt',\n    \"anchors_mask\"      : [[6, 7, 8], [3, 4, 5], [0, 1, 2]],\n    #---------------------------------------------------------------------#\n    #   输入图片的大小，必须为32的倍数。\n    #---------------------------------------------------------------------#\n    \"input_shape\"       : [640, 640],\n    #------------------------------------------------------#\n    #   所使用的yolov7的版本，本仓库一共提供两个：\n    #   l : 对应yolov7\n    #   x : 对应yolov7_x\n    #------------------------------------------------------#\n    \"phi\"               : 'l',\n    #---------------------------------------------------------------------#\n    #   只有得分大于置信度的预测框会被保留下来\n    #---------------------------------------------------------------------#\n    \"confidence\"        : 0.5,\n    #---------------------------------------------------------------------#\n    #   非极大抑制所用到的nms_iou大小\n    #---------------------------------------------------------------------#\n    \"nms_iou\"           : 0.3,\n    #---------------------------------------------------------------------#\n    #   该变量用于控制是否使用letterbox_image对输入图像进行不失真的resize，\n    #   在多次测试后，发现关闭letterbox_image直接resize的效果更好\n    #---------------------------------------------------------------------#\n    \"letterbox_image\"   : True,\n    #-------------------------------#\n    #   是否使用Cuda\n    #   没有GPU可以设置成False\n    #-------------------------------#\n    \"cuda\"              : True,\n}\n```\n3. 运行predict.py，输入  \n```python\nimg\u002Fstreet.jpg\n```\n4. 在predict.py里面进行设置可以进行fps测试和video视频检测。  \n\n## 评估步骤 \n### a、评估VOC07+12的测试集\n1. 本文使用VOC格式进行评估。VOC07+12已经划分好了测试集，无需利用voc_annotation.py生成ImageSets文件夹下的txt。\n2. 在yolo.py里面修改model_path以及classes_path。**model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。**  \n3. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。\n\n### b、评估自己的数据集\n1. 本文使用VOC格式进行评估。  \n2. 如果在训练前已经运行过voc_annotation.py文件，代码会自动将数据集划分成训练集、验证集和测试集。如果想要修改测试集的比例，可以修改voc_annotation.py文件下的trainval_percent。trainval_percent用于指定(训练集+验证集)与测试集的比例，默认情况下 (训练集+验证集):测试集 = 9:1。train_percent用于指定(训练集+验证集)中训练集与验证集的比例，默认情况下 训练集:验证集 = 9:1。\n3. 利用voc_annotation.py划分测试集后，前往get_map.py文件修改classes_path，classes_path用于指向检测类别所对应的txt，这个txt和训练时的txt一样。评估自己的数据集必须要修改。\n4. 在yolo.py里面修改model_path以及classes_path。**model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。**  \n5. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。\n\n## Reference\nhttps:\u002F\u002Fgithub.com\u002FWongKinYiu\u002Fyolov7","# YOLOv7-PyTorch 快速上手指南\n\n## 1. 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux 或 Windows\n*   **Python**: 推荐 Python 3.6 - 3.8\n*   **PyTorch**: \n    *   最低要求：`torch==1.2.0`\n    *   **推荐版本**：`torch>=1.7.1`（为了启用 AMP 混合精度训练，显著提升速度）\n*   **其他依赖**: `numpy`, `Pillow`, `opencv-python` 等（通常通过 `requirements.txt` 安装）\n\n> **提示**：建议使用国内镜像源加速 PyTorch 及相关库的安装。\n> *   PyTorch 国内镜像：https:\u002F\u002Fmirror.tuna.tsinghua.edu.cn\u002Fhelp\u002Fanaconda\u002F\n> *   Pip 国内镜像：`-i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 2. 安装步骤\n\n### 第一步：克隆仓库\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch.git\ncd yolov7-pytorch\n```\n\n### 第二步：安装依赖\n使用 pip 安装所需库（推荐使用清华源）：\n```bash\npip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 第三步：下载预训练权重\n从百度网盘下载预训练权重文件，并将其放入项目根目录的 `model_data` 文件夹中。\n\n*   **下载地址**: [百度网盘链接](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1uYpjWC1uOo3Q-klpUEy9LQ) (提取码: `pmua`)\n*   **目标文件**: `yolov7_weights.pth`\n*   **放置路径**: `.\u002Fmodel_data\u002Fyolov7_weights.pth`\n\n## 3. 基本使用\n\n本部分演示如何使用下载的预训练权重对单张图片进行目标检测。\n\n### 运行预测脚本\n确保 `predict.py` 中的配置正确（默认配置已指向预训练的 COCO 模型）。直接运行以下命令：\n\n```bash\npython predict.py\n```\n\n### 交互操作\n运行脚本后，程序会提示输入图片路径。输入测试图片的路径即可看到检测结果：\n\n```text\nimg\u002Fstreet.jpg\n```\n\n程序将自动加载模型，对图片进行检测，并在屏幕显示或保存带有检测框的结果图。\n\n### 进阶配置（可选）\n如需修改置信度阈值、输入尺寸或切换模型版本（如 `yolov7_x`），请编辑 `predict.py` 文件中的 `_defaults` 字典：\n\n```python\n_defaults = {\n    \"model_path\"        : 'model_data\u002Fyolov7_weights.pth', # 权重文件路径\n    \"classes_path\"      : 'model_data\u002Fcoco_classes.txt',   # 类别文件路径\n    \"input_shape\"       : [640, 640],                      # 输入图片大小\n    \"phi\"               : 'l',                             # 模型版本：'l' 为 YOLOv7, 'x' 为 YOLOv7-X\n    \"confidence\"        : 0.5,                             # 置信度阈值\n    \"cuda\"              : True,                            # 是否使用 GPU\n}\n```\n\n修改完成后再次运行 `python predict.py` 即可生效。","某智慧农业团队需要开发一套系统，自动识别果园监控视频中的成熟苹果与病虫害叶片，以指导无人机精准喷洒作业。\n\n### 没有 yolov7-pytorch 时\n- **算法复现门槛高**：团队需从零搭建 YOLOv7 网络结构，手动调试复杂的锚框计算与损失函数，耗时数周仍难以跑通基准代码。\n- **训练配置繁琐**：缺乏自适应学习率调整与多 GPU 并行支持，导致在大规模果园数据集上训练极慢，且容易因显存溢出而中断。\n- **自定义数据困难**：将自采的果树图片转换为模型可用格式流程复杂，缺少标准的 VOC 格式转换脚本，标注数据整理极易出错。\n- **部署效果不稳定**：自行实现的模型在遮挡或光照变化场景下漏检率高，且无法利用 EMA（指数移动平均）等技术优化权重泛化能力。\n\n### 使用 yolov7-pytorch 后\n- **开箱即用架构**：直接调用封装好的网络模型，内置 Step\u002FCos 学习率策略及 Adam\u002FSGD 优化器，半天内即可完成环境搭建并启动训练。\n- **高效训练加速**：利用自带的多 GPU 训练支持与混合精度（AMP）功能，训练速度提升显著，且能根据 Batch Size 自动调整参数，稳定收敛。\n- **数据预处理便捷**：通过修改 `voc_annotation.py` 即可一键将自定义的果树标注数据转换为训练列表，快速适配“成熟果”、“病叶”等特定类别。\n- **检测精度跃升**：借助预训练权重与 EMA 技术加持，模型在复杂背景下的 mAP 显著提升，能有效区分重叠果实与细微病斑，满足实地作业需求。\n\nyolov7-pytorch 将原本需要数月研发的定制目标检测项目，缩短为以天为单位的快速落地过程，极大降低了农业 AI 的应用成本。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbubbliiiing_yolov7-pytorch_5fb454f2.png","bubbliiiing","Bubbliiiing","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fbubbliiiing_ad57dd39.jpg","Bubbliiiing哔哩哔哩空间： \r\nhttps:\u002F\u002Fspace.bilibili.com\u002F472467171   ",null,"https:\u002F\u002Fblog.csdn.net\u002Fweixin_44791964","https:\u002F\u002Fgithub.com\u002Fbubbliiiing",[83],{"name":84,"color":85,"percentage":86},"Python","#3572A5",100,911,157,"2026-03-27T03:57:19","GPL-3.0","未说明","非必需（可设置 cuda=False），若使用需支持 CUDA 的 NVIDIA GPU；为使用 AMP 混合精度推荐较新显卡，具体型号和显存未说明",{"notes":94,"python":91,"dependencies":95},"代码默认开启 CUDA 加速，若无 GPU 需在 predict.py 或 yolo.py 中将 'cuda' 参数设为 False。训练和预测支持多 GPU。输入图片大小需为 32 的倍数（默认 640x640）。数据集需转换为 VOC 格式。",[96,97],"torch==1.2.0","torch>=1.7.1 (推荐使用以支持 AMP 混合精度)",[14],"2026-03-27T02:49:30.150509","2026-04-06T05:37:26.596112",[102,107,112,117,122,127,132,137],{"id":103,"question_zh":104,"answer_zh":105,"source_url":106},9655,"如何加载官方训练的 YOLOv7 权重文件？","请访问项目的 Release 页面下载预训练权重：https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Freleases\u002Ftag\u002Fv1.0。如果无法访问百度网盘链接，请尝试在 Release 页面寻找其他下载源或联系作者获取 Google Drive 链接。","https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Fissues\u002F89",{"id":108,"question_zh":109,"answer_zh":110,"source_url":111},9656,"为什么目前只提供 YOLOv7-L 和 X 模型，没有 S、M 等小模型？","这是因为 YOLOv7 官方仓库尚未发布 S、M 等较小模型的预训练权重。本项目通常跟随官方发布的模型版本，一旦官方提供相应权重，项目也会随之更新。","https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Fissues\u002F7",{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},9657,"使用 voc_annotation.py 处理自定义数据集时出现编码错误怎么办？","该问题通常是由于 open 函数默认的 utf-8 编码过于严格导致的。解决方法是在代码中找到打开文件的语句，添加 errors='ignore' 参数。例如：open(file_path, 'r', encoding='utf-8', errors='ignore')。","https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Fissues\u002F75",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},9658,"运行 predict.py 时报错 'Cannot assign non-leaf Tensor to parameter weight' 如何解决？","这是一个多显卡或特定 PyTorch 版本下的兼容性问题。有两种解决方案：\n1. 临时方案：在 `net\u002Fyolo.py` 文件中，将 `self.net = self.net.fuse().eval()` 修改为 `self.net = self.net.eval()`。\n2. 代码修复方案：修改 `fuse_conv_and_bn` 函数（通常在 `net\u002Fyolo.py` 第 202 和 206 行附近），在复制权重和偏置时显式调用 `.detach()`。具体代码如下：\n   - `fusedconv.weight.copy_(... .detach())`\n   - `fusedconv.bias.copy_(... .detach())`\n   这样可以避免梯度图构建问题且不影响推理速度。","https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Fissues\u002F61",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},9659,"运行时出现 'The .grad attribute of a Tensor that is not a leaf Tensor is being accessed' 警告如何处理？","该警告通常出现在推理（预测）阶段，不影响模型的正常检测和结果输出。可以直接忽略该警告，无需进行额外代码修改。","https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Fissues\u002F42",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},9660,"检测细长物体时效果不佳，调整 threshold 阈值有用吗？","单纯调整 `yolo_training.py` 中的匹配阈值（threshold）效果有限。针对细长物体，更有效的做法是重新聚类生成适合该数据集的 Anchor Boxes（锚框），使其更好地匹配细长物体的宽高比。","https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Fissues\u002F109",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},9661,"本项目是否支持旋转目标检测（OBB）？","本项目原生不支持旋转目标检测。虽然有第三方基于此代码改进的 OBB 版本（如 yolov7-obb），但通常需要安装特定的非极大值抑制（NMS）库（如 C++ 扩展），否则仅用 numpy 计算速度会非常慢。此外，部分第三方实现的 mAP 计算可能仍沿用水平框（HBB）标准，需注意评估指标的准确性。","https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Fissues\u002F82",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},9662,"YOLOv7 官方是否有类似 YOLOX 的 special_aug_ratio（后期关闭数据增强）功能？","根据维护者回复，YOLOX 明确有此功能，但 YOLOv7 官方代码中并未特别强调或默认开启类似的“最后 N 个 epoch 关闭强数据增强”的策略。如果需要，用户可以参考 YOLOX 的实现自行在训练脚本中添加相关逻辑。","https:\u002F\u002Fgithub.com\u002Fbubbliiiing\u002Fyolov7-pytorch\u002Fissues\u002F48",[143],{"id":144,"version":145,"summary_zh":79,"released_at":146},106954,"v1.0","2022-07-09T15:02:42"]