企业官网建设流程全解析

php做网站多少钱,电子商务网站设计原理名词解释,国外的建筑设计网站,wordpress 搭建界面YOLOv9标签映射修改#xff1a;自定义类别名称方法 你训练完自己的YOLOv9模型#xff0c;推理时框里却只显示数字0、1、2……而不是“person”“car”“dog”这些看得懂的类别名#xff1f;或者你用官方预训练权重做检测#xff0c;结果输出全是“0”“1”“2”#xff0…YOLOv9标签映射修改自定义类别名称方法你训练完自己的YOLOv9模型推理时框里却只显示数字0、1、2……而不是“person”“car”“dog”这些看得懂的类别名或者你用官方预训练权重做检测结果输出全是“0”“1”“2”完全不知道对应什么物体别急——这不是模型坏了而是类别名称映射没改对。本文就带你从零开始手把手在YOLOv9官方镜像中完成标签映射的完整修改让检测结果真正“说人话”。整个过程不碰模型结构、不重写训练逻辑只改3个关键位置5分钟内搞定。无论你是刚跑通第一个demo的新手还是正在调试自定义数据集的开发者都能照着操作一步到位。1. 为什么YOLOv9默认只显示数字YOLOv9包括v5/v8内部用整数索引表示类别比如0代表第1个类别1代表第2个类别……这个映射关系由一个叫names的列表控制。但很多用户没意识到这个列表既存在于训练配置文件中也硬编码在推理脚本里还可能被权重文件自带的names覆盖。三者不一致就会出现“训练时叫cat推理时显示0”的混乱。更关键的是YOLOv9官方代码尤其是detect_dual.py这类双分支检测脚本默认读取权重文件中保存的names而官方发布的yolov9-s.pt里存的是COCO数据集的80类名称。如果你的数据集只有3类或者类别顺序不同直接加载就会错位。所以修改不是“选一个地方改”而是同步校准三个环节数据配置、推理脚本、权重兼容性。2. 修改前准备确认当前环境与路径我们使用的镜像是基于YOLOv9官方代码构建的开箱即用环境所有路径和依赖已预置好。请先确保你已完成以下两步启动镜像后执行conda activate yolov9激活专用环境进入代码根目录cd /root/yolov9验证当前状态运行以下命令查看官方权重中保存的类别名python -c import torch; w torch.load(./yolov9-s.pt, map_locationcpu); print(Names in weight:, w[model].names if names in w[model].__dict__ else Not found)你会看到类似[person, bicycle, car, ...]的80个COCO类别——这就是当前推理时默认显示的内容来源。3. 三步完成自定义类别名称映射3.1 第一步修改data.yaml中的names字段训练与评估依据YOLOv9通过data.yaml文件定义数据集结构。即使你只是做推理这个文件也是类别映射的“权威源头”。打开/root/yolov9/data.yaml如果不存在可复制一份示例cp data/coco.yaml data/mydataset.yaml nano data/mydataset.yaml找到names:字段将其改为你的实际类别。例如你要检测“apple”“banana”“orange”三类水果train: ../mydata/images/train val: ../mydata/images/val test: ../mydata/images/test nc: 3 # number of classes names: [apple, banana, orange] # ← 唯一需要修改的行必须是Python列表格式关键提醒ncnumber of classes必须与names列表长度严格一致类别名用英文单引号包裹逗号后加空格符合YAML语法不要写成names: apple, banana, orange或names: [apple, banana, orange]——会报错改完保存这一步确保了✔ 训练时模型知道每个数字对应哪个名字✔ 评估指标mAP能正确按名统计✔ 后续推理脚本能从中读取标准映射3.2 第二步修改detect_dual.py中的names赋值推理显示核心YOLOv9的detect_dual.py是主推理脚本它默认优先从权重文件读names。但我们要强制它使用你定义的data.yaml里的names避免被预训练权重“带偏”。打开/root/yolov9/detect_dual.py定位到约第170行附近的if __name__ __main__:下方找到模型加载后的处理段。在model attempt_load(weights, map_locationdevice)之后插入以下代码# --- 新增强制从data.yaml加载names覆盖权重中保存的names --- if opt.data: # 如果指定了data.yaml路径 import yaml with open(opt.data) as f: data yaml.safe_load(f) if names in data and isinstance(data[names], list): model.names data[names] print(f 已从 {opt.data} 加载自定义类别名: {model.names}) else: print( data.yaml 中未找到有效的 names 字段继续使用权重内置names) # ---同时确保你在运行命令时显式传入--data参数指向你修改好的yamlpython detect_dual.py \ --source ./data/images/horses.jpg \ --img 640 \ --device 0 \ --weights ./yolov9-s.pt \ --data ./data/mydataset.yaml \ # ← 关键告诉脚本去哪读names --name yolov9_s_custom_detect效果验证运行后你会看到控制台打印已从 ./data/mydataset.yaml 加载自定义类别名: [apple, banana, orange]且生成的检测图中框标签将显示为文字而非数字。3.3 第三步保存自定义权重一劳永逸避免每次传参如果你已经用自定义数据集重新训练过模型新权重文件会自动保存names。但若只是用官方权重做迁移推理可以手动“注入”namespython -c import torch w torch.load(./yolov9-s.pt, map_locationcpu) # 从data.yaml读取names import yaml with open(./data/mydataset.yaml) as f: data yaml.safe_load(f) w[model].names data[names] torch.save(w, ./yolov9-s-custom.pt) print( 自定义权重已保存yolov9-s-custom.pt) 之后你就可以直接用新权重无需再传--datapython detect_dual.py --source ./data/images/test.jpg --weights ./yolov9-s-custom.pt优势推理命令更简洁权重文件自带语义分享给同事时不会因缺少data.yaml而显示错误标签兼容所有YOLOv9相关脚本train_dual.py、val.py等4. 常见问题与避坑指南4.1 问题改了data.yaml但检测结果还是显示0/1/2→ 检查是否在detect_dual.py中漏加了--data参数或新增代码未生效。→ 运行时看控制台是否有已从...加载自定义类别名提示。没有则说明代码未执行到。4.2 问题names改了但绘图时中文乱码或显示方块YOLOv9默认使用DejaVuSans字体不支持中文。如需中文标签下载中文字体如simhei.ttf放入/root/yolov9/目录在detect_dual.py中搜索cv2.FONT_HERSHEY_SIMPLEX替换为from PIL import ImageFont, ImageDraw, Image font ImageFont.truetype(simhei.ttf, 32) # 调整字号修改绘图逻辑需重写plot_one_box函数此处不展开——强烈建议英文命名避免字体、编码、宽高计算等连锁问题。4.3 问题训练时类别名正确但验证结果val.py里还是数字val.py同样依赖data.yaml确保运行时指定--datapython val.py --data ./data/mydataset.yaml --weights ./runs/train/yolov9-s/weights/best.pt4.4 问题修改后报错AttributeError: NoneType object has no attribute names→ 检查model attempt_load(...)是否成功。常见原因GPU显存不足导致加载失败加--device cpu测试权重路径错误用ls ./yolov9-s.pt确认存在PyTorch版本不匹配本镜像为1.10.0勿升级5. 进阶技巧动态切换类别名多任务场景假设你有一个通用模型需在“水果检测”和“工业零件检测”两个任务间切换。不必反复修改文件可用以下方式动态传入# 定义环境变量在命令中直接注入 NAMES[bolt,nut,washer] python detect_dual.py \ --source ./images/ \ --weights ./yolov9-s.pt \ --name industrial_detect然后在detect_dual.py中于模型加载后添加import os if os.getenv(NAMES): try: import ast model.names ast.literal_eval(os.getenv(NAMES)) print(f 动态加载NAMES环境变量: {model.names}) except: print(❌ NAMES环境变量格式错误请用Python列表格式)这样同一份代码权重通过环境变量即可秒切任务适合部署到Docker或CI/CD流程。6. 总结标签映射修改的本质与要点YOLOv9的类别名不是“写死”的而是一套三层映射系统数据层data.yaml定义“真实世界类别” → “数字ID”的原始映射模型层weights存储训练时确定的映射快照用于快速加载应用层detect_dual.py等决定运行时采用哪套映射是最终显示效果的开关你只需抓住三个动作在data.yaml中写对names和nc在推理脚本中强制从yaml读取覆盖权重默认值用--data参数或保存新权重让修改落地改完你会发现检测框旁不再是冰冷的数字而是清晰的“apple”“banana”——这才是AI该有的样子。下一步你可以基于此进一步优化给不同类别配不同颜色框、添加置信度阈值过滤、导出带标签的JSON结果……而这一切都建立在“名字对得上”这个最基础却最关键的环节之上。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。