M1 Macにyolov9を入れたときのメモ（自分用備忘録）
参考：https://note.com/mim_2020/n/n1fe1418bb4c2
いつも環境構築で失敗するので自分用備忘録です。
githubからダウンロードしてくる
git clone https://github.com/WongKinYiu/yolov9
yolov9用に新しい環境を作る
cd yolov9
conda create -n yolov9 python=3.9
conda activate yolov9
pip install -r requirements.txt
色々な学習済みモデルと検証用の画像をインストール
wget -P pretrained -q https://github.com/WongKinYiu/yolov9/releases/download/v0.1/yolov9-c.pt
wget -P pretrained -q https://github.com/WongKinYiu/yolov9/releases/download/v0.1/yolov9-e.pt
wget -P pretrained -q https://github.com/WongKinYiu/yolov9/releases/download/v0.1/gelan-c.pt
wget -P pretrained -q https://github.com/WongKinYiu/yolov9/releases/download/v0.1/gelan-e.pt
wget -P sample_images https://raw.githubusercontent.com/ultralytics/yolov5/master/data/images/bus.jpg
wget -P sample_images https://raw.githubusercontent.com/Megvii-BaseDetection/YOLOX/main/assets/dog.jpg
util/general.pyの903行目を変更
# 修正前：
prediction = prediction[0]
# 修正後：
prediction = prediction[0][1]
以下のコマンドを実行して学習済みモデルを使ってサンプル画像から物体を検出する
python detect.py --weights pretrained/yolov9-c.pt --source sample_images --data data/coco.yaml --device mps
これで動いてruns/exp*フォルダの中に判別された画像が出てくる。
自分で学習させたいときは、https://github.com/WongKinYiu/yolov9 の Training の記述を参考に学習する。
まずはデータをダウンロード：
bash scripts/get_coco.sh
とてつもなく時間がかかる。
以降はGPUメモリ制限に引っかかって作業が進められていないので、また進捗あったら追記していきます。