1. 下载darknet源码 在命令窗口（terminal）中进入你想存放darknet源码的路径，然后在该路径下输入依次输入以下命令： git clone https://github.com/pjreddie/darknet cd darknet 上述命令首先从darknet的源
|
1. 下载darknet源码 在命令窗口（terminal）中进入你想存放darknet源码的路径，然后在该路径下输入依次输入以下命令：
上述命令首先从darknet的源码地址复制一份源码到本地，下载下来的是一个名为darknet的文件。然后进入这个名为darknet的文件夹。 2. 修改darknet的Makefile文件Note：如果不需要darknet在GPU上运行，则略过此步骤，只需执行make命令。 在命令窗口输入以下命令打开Makefile文件：
将Makefile文件开头的GPU=0改为GPU=1，如下所示：
修改完之后，需要执行make命令才可以生效。
3. 准备数据集在./darknet/scripts文件夹下创建文件夹，命名为VOCdevkit，然后再在VOCdevkit文件夹下创建一系列文件夹，整个目录结构如下所示：
上述文件及文件夹创建好之后，下面来对我们的数据集生成train.txt和val.txt，这两个文件中存放训练图像和测试图像的文件名（不含.jpg后缀）。 新建一个creat_train_val_txt.py文件（名字可以自己随便取），然后将以下代码复制进去（注意相应路径的修改）
制作好creat_train_val_txt.py文件后，在命令行执行该文件：
执行完毕之后可以看到刚刚我们新建的train.txt和val.txt文件中被写进了我们的数据集图片的文件名。
4. 修改voc_label.py打开scripts文件夹下的 voc_label.py 文件，修改信息：#要修改的地方 共三处
保存修改后，运行该文件：
执行完毕之后，会生成2018_train.txt、2018_val.txt、train.txt 三个文件，如下图：
在labels文件夹下会生成图片对应的txt形式的图片标注信息
5. 下载预训练模型为了加速训练过程，可以在darknet官网上下载预训练模型，在该预训练模型上再进行训练。 在命令窗口输入以下命令：
文件保存在script文件夹下即可 6. 修改./darknet/cfg/voc.data文件
7. 修改./darknet/data/voc.name文件将voc.name文件做如下修改：
内容为你的数据集的类别名称，注意和xml文件中的类别名称一致。 8. 修改./darknet/cfg/yolov3-voc.cfg文件该文件为网络结构文件。 首先修改开头处如下：
即，将训练模式打开，将测试模式的语句注释掉。 其中subdivisions为将一个batch（此处为64）分成多大的小batch。如果训练时提示超出内存，则可以相应的改小这两个参数的值。 接着视情况修改开头处的超参数（学习率，迭代次数等）：
然后再该文件的底部部分，找到如下语句进行如下修改：
有三处[yolo]的上面的[convolutional]的filters要改 和[yolo]的classes要改开始训练 9. 开始训练在 ./darknet 目录下，在命令窗口中执行以下命令，其中 -gpus 0, 1 用来指定参与训练的GPU编号，可以省略。填0 或1
10.训练终止后继续训练方法假如训练由于意外情况，如显存不够终止了，可以通过加载中间权重文件，进而继续训练 中间权重文件在backup文件夹中
把9步权重文件的路径换为backup中文件即可
backup里文件保存规则： 训练1000次之前每100次保存一次。所以上面图片出现了100~900的权重中间文件。 训练1000次之后每10000次保存一次。 yolov3-voc.backup 会保持100整数倍的训练结果。 所以在1000次之后想继续训练的话应该加载 yolov3-voc.backup文件。注意此文件不能作为检查模型使用。 |
2019-06-18
2019-07-04
2021-05-23
2021-05-27
2021-05-27
