训练YOLOv9-S（注意：官方还没有提供YOLOv9-S的网络，我这是根据网络博客进行的步骤，按照0.33、0.50比例调整网络大小，参数量15.60M，计算量67.7GFLOPs）

文章目录

• 1、自己动手制造一个YOLOv9-S网络结构
• • 1.1 改前改后的网络结构（参数量、计算量）对比
  • 1.2 一些发现，YOLOv9代码打印的参数量计算量和Github上提供的并不一致，甚至yolov9-c.yaml代码打印出来是Github的两倍
  • 1.3 开始创造YOLOv9-S
  • 2、开始训练
  • 3、验证
  • • 3.1 修改val.py中的以下参数
    • 3.2 命令验证

      1、自己动手制造一个YOLOv9-S网络结构

      • 重点参考的链接：YOLOv9改进 | 提供YOLOv9全系列支持YOLOv9n、YOLOv9s、V9m、V9l、V9x的修改方式（全网独家首发）

        1.1 改前改后的网络结构（参数量、计算量）对比

        改前的yolov9.yaml参数量58.35M，计算量267.1GFLOPs

        改后的yolov9-S.yaml参数量15.60M，计算量67.7GFLOPs

        • 这是修改前调用的yolo.py测试的yolov9.yaml的打印网络情况，包含参数量、计算量

          

          • 这是修改后调用的yolo.py测试的yolov9-S-lwd.yaml的打印网络情况，包含参数量、计算量

            

            1.2 一些发现，YOLOv9代码打印的参数量计算量和Github上提供的并不一致，甚至yolov9-c.yaml代码打印出来是Github的两倍

            

            1.3 开始创造YOLOv9-S

            1. 在models/yolo.py文件中，Ctrl+F定位到args = [c1, c2, *args[1:]]，然后再如下位置添加代码

            

                        # --------------------------添加的代码--------------------------- #
                        if m in (RepNCSPELAN4,):
                            args[1] = make_divisible(args[1] * gw, 8)
                            args[2] = make_divisible(args[2] * gw, 8)
                            args[3] = max(round(args[3] * gd), 1) if n > 1 else n       
                        # --------------------------添加的代码--------------------------- #
            

            1. 还是在models/yolo.py中，定位到elif m is CBLinear，然后做如下更改

            

                        c2 = [int(x * gw) for x in args[0]]
            

            1. 修改模型配置文件：直接拷贝models/detect/yolov9.yaml然后重命名为yolov9-S.yaml，并做以下更改

            

            2、开始训练

            根据需求修改train.py中的以下参数：

            

            需要注意的是，这里只能写成这样，因为官方只给了这一个超参数设置文件：

            

            键入以下命令开始训练：

            python train.py --name yolov9-S
            

            

            报错了

            

            ⭐然后就根据这个博客yolov9训练自己的数据集+验证+报错修改里面参考的YOLOV9保姆级教程，在utils/loss_tal.py中进行了如下修改：

            

            Okay！开始训练，坐等结果~

            

            保姆级的大佬真的好啊，给我的回答很详细，贴上来！

            

            3、验证

            3.1 修改val.py中的以下参数

            

            另外为了多显示几位精度，在val.py中进行如下更改：

            

            3.2 命令验证

            python val.py --name yolov9-S
            

            报错：AttributeError: 'list' object has no attribute 'device'

            

            解决方案：

            

            验证结果：