Python新手求助：如何加载预训练YOLOv7模型（.pt文件）

1. 先搞定环境依赖 #

确保你的Python版本在3.7-3.10之间（YOLOv7对高版本Python兼容性一般），然后安装核心依赖：

• 先装PyTorch（无GPU就装CPU版）：

  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
  

• 获取YOLOv7代码后，进入目录安装所需依赖：

  cd yolov7
  pip install -r requirements.txt
  

2. 准备预训练模型文件 #

把下载好的yolov7.pt（或轻量化版本如yolov7-tiny.pt）放在YOLOv7代码的根目录下，确保路径无误。

3. 两种加载模型的方式 #

方式一：用官方自带脚本直接运行（最省心） #

在终端执行以下命令，直接用预训练模型做目标检测：

python detect.py --weights yolov7.pt --source inference/images/horses.jpg

参数说明：

• --weights：指定你的.pt模型路径
• --source：输入的图片/视频路径，填0可调用本地摄像头

运行后检测结果会自动保存在runs/detect/exp文件夹中，打开即可查看标注后的图片。

方式二：自己写代码加载模型（适合二次开发） #

如果要把模型集成到自己的项目里，用下面的代码片段：

import torch
import cv2
import numpy as np

# 从本地加载预训练模型
model = torch.hub.load('.', 'custom', path='yolov7.pt', source='local')
# 设置模型为评估模式（关闭训练相关的参数更新）
model.eval()

# 加载测试图片并转换格式（YOLOv7默认输入为RGB）
img = cv2.imread('inference/images/horses.jpg')
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 模型推理
results = model(img_rgb)

# 解析检测结果并可视化
detect_data = results.pandas().xyxy[0]
for _, row in detect_data.iterrows():
    # 提取目标坐标、类别和置信度
    x1, y1, x2, y2 = int(row['xmin']), int(row['ymin']), int(row['xmax']), int(row['ymax'])
    label = f"{row['name']} {row['confidence']:.2f}"
    # 在原图上绘制框和标签
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    cv2.putText(img, label, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 2)

# 显示检测结果
cv2.imshow('YOLOv7 Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

常见问题排查 #

• 若报FileNotFoundError：检查.pt模型路径或图片路径是否拼写错误
• 若出现CUDA相关报错：要么安装对应版本的CUDA和PyTorch，要么强制用CPU运行，加载模型后加model = model.to('cpu')
• 若依赖报错：确保requirements.txt中的包全部安装完成，重点检查opencv-python、numpy、pillow这些基础库

内容的提问来源于stack exchange，提问作者Phước Thành Quang Nguyễn