简单记录一下自己配置 yolov7-pose 环境的过程

所需的所有文件在结尾放了链接！！！

一、源码地址

放一个github链接，这是官方的：https://github.com/WongKinYiu/yolov7/tree/pose

二、准备工作

默认已经安装好了 Anaconda、PyCharm 等等巴拉巴拉的开发工具

对了，我这次是在 Linux 系统下运行项目的。为什么呢？因为 requirements 文件里面显示需要pycocotools！！！Windows 环境下这个包有多难搞。。。程序员应该懂的

三、创建虚拟环境

有了 Anaconda，就可以创建虚拟环境了，这主要是为了多个项目之间相互不干扰，如果无所谓，那可以直接跳到安装各种包的步骤。

yolov7Pose 是这个虚拟环境的名字。官方没有给 python 具体版本，我的建议是“不要太新，不要太老”。我比较习惯使用3.7.0，使用3.8之类的应该也没问题。

四、下载 yolov7-pose 所需文件

首先肯定是要激活刚刚创建的虚拟环境啦（如果没有创建虚拟环境，那就当没说）。

然后打开到 yolov7-pose 项目文件夹，文件夹里面有一个 requirements.txt 文件，这就是项目环境，应该是可以使用命令行直接咔咔安装的（下面的命令添加了清华源，仅供参考）

我的习惯是挨个安装各个包文件，首先肯定是 pytorch 套件咯，这个可以看官方给的版本要求，然后参考自己的cuda版本，去 pytorch 官网复制下载命令（有可能很慢很慢，甚至断连，我只能说“祝好运”）。其他的类似 opencv-python 之类的，安装的时候断连可以尝试添加清华源。

我看了一下，我之前是有安装过 YOLOX 的环境，套件版本都是满足要求的，所以我就直接薅过来使了（如果之前有使用过其他 YOLO 版本，可以留意一下，整体环境都是比较通用的）

放一个 requirements.txt 的链接，有需要的可以直接过去看看：
https://github.com/WongKinYiu/yolov7/blob/pose/requirements.txt

五、测试

一般来讲，环境配好了，测试就没啥问题。就算是自己挨个装包的时候漏掉了几个，到时候补上就好了

but！！！测试的权重使肯定要的了，官方 github 的测试指导给了他们的权重文件，直接下载就好了（要有点耐心），贴一下测试代码

这个时候还不知道下载的权重文件应该放在哪儿（习惯上，应该有一个专门的文件夹用来存放权重文件的），经过尝试， yolov7-pose 中是直接放在项目的根目录下的（和 test.py 文件在同级目录）

OK！开始测试，然后又有新的问题

官方 github 中只给了数据集的标签文件，这就需要我们自己找一下对应的图片数据集。 test 操作只需要 val2017 对应的内容就可以了。（YOLOv7 对应的 github 仓库提供了下载链接，但是速度可能会很慢）

留意一下报错内容，里面是有数据集地址的，咱们下载好数据集，放到对应位置就可以了。（在 yolov7-pose 项目文件夹得同级目录下新建文件夹 coco_kpts，该文件夹目录结构如图）

这时候重新执行测试代码就可以啦！

我以为真的结束了，可是。。。还是报错

大体意思就是，还缺少一个json文件。COCO 数据集官网是有这个文件下载的。下载完这个文件之后，和 coco_kpts 文件夹一样，新建一个 coco 文件夹，具体结构可以看上面这张图。将下载好的

person_keypoints_val2017.json 文件放置在对应位置（不是 coco 文件夹，是 coco 下面的 annotation 文件夹）

现在重新执行测试代码，终于OK了！！！

测试结束，会在 yolov7-pose 文件夹中生成一个 runs 文件夹，里面保存了测试的图片，举个例子

六、网盘资源

COCO数据集下载还是挺麻烦的，我这儿分享一下用到的测试集。顺便附上代码、权重等等

百度网盘（你懂的，准备好了这次测试所需的所有文件）：链接：
https://pan.baidu.com/s/1Ypl5JNJf3Ou0XPXVSO_gHQ 提取码：ouvi

七、总结

一句话概括 “坑” ，方法是好方法，但是配置环境、跑通代码的过程大大小小的坑还是挺多的，我这个地方还没有尝试 detect

附上别人遇到的坑，有需要的可以参考
https://blog.csdn.net/qq_32033383/article/details/127977037