建立所需環境

1. 下載美團公司公開的yolov6程式碼。
2. 下載yolov6s.pt權重檔，用於測試環境是否安裝完成。
3. 替yolov6創建一個新的anaconda環境，並啟動該環境:

   conda create -n yolov6 python=3.8
   conda activate yolov6
   

4. 進到yolov6資料夾中，並下載相關環境:

   pip install -r requirements.txt 
   

5. 執行預測一張影像，測試一下環境是否安裝完成:

   python tools\infer.py --weights yolov6s.pt --source data\images\images1.jpg
   

• 執行成功可以看到影像存在runs/inference/exp資料夾中
  
  

訓練階段(以飛機機身缺陷偵測資料集為例)

1. 須先把torch、torchvision安裝好，需對應自己電腦的Cuda版本。
2. 因為yolov6訓練集的存放方式剛好aircraft_fuselage_yolo資料夾中的影像擺放方式符合yolov6所需。
3. 因為data裡面已經有image資料夾，因此將原本的images資料夾改成image_1，並把飛機機身卻陷偵測資料集內容複製到data資料集中。
   
4. 複製data資料夾中的voc.yaml並貼在data資料夾中並命名為custom.yaml。
5. 打開custom.yaml資料夾，並修改內容為:

   # Please insure that your custom_dataset are put in same parent dir with YOLOv6_DIR
   train: .\data\images_1\train # train images
   val: .\data\images_1\val # val images
   test:
   # Classes
   nc: 4  # number of classes
   names: ['scratch','paint_peel','rust','rivet_damage']
   

6. 執行訓練的指令:

   python tools\train.py --img 640 --batch 4 --epochs 300 --data data\custom.yaml --device 0
   

• 若要以GPU訓練則需安裝好適合的Torch版本，若以CPU執行訓練，則將--device 0改成--device cpu

執行開始會出現以下畫面，並開始訓練:

這邊同樣只演示能成功進行訓練的步驟，沒有讓訓練跑到底，後續回到宿舍後，會利用散熱效果較好的桌上型電腦進行訓練，並在最後的幾篇文章中，統一將每一代的YOLO訓練結果數據進行展示。