在Docker环境下用yolov4训练自己的数据集

在Docker环境下用yolov4训练自己的数据集

默认你已经有的环境和代码

Centos

　　Python

　　带有opencv，gpu，cuda 的docker镜像 （在后面命名为yolov4）

下载源码或者你修改过的yolov4代码，你需要修改的参数有以下几处

1、在darknet目录下make makefile文件

2、构建数据集文件夹

3、生成训练集，验证集，测试集以及包含各个数据集图片的路径的txt文件

源码默认已经划分好的数据集，如果你的数据集没有划分，需要自己找个划分数据集代码；

然后更改voc_label.py代码

改成自己的数据集个数，以及自己数据集的样本类别

最后两段代码可以注释掉也可以根据前面你划分的数据集修改

执行voc_label.py，在根目录下将会生成训练需要的文件，即各个训练集中包含图像的路径

4、修改配置文件

① 第一个要修改的配置文件voc.data或coco.data，本文选了voc.data

注意修改的内容，特别是目录，目录结果是与后面你docker 镜像挂载的目录有关，后面docker 命令中有所体现。

对比项目的根目录

详细解释每个文件夹代表含义

②  第二个要修改的网络模型参数yolov4-custom.cfg文件

根据我的注释和你自己的需求更改参数

③ 最后需要修改的是类别具体名称 voc.name

5、在docker里面训练

你预先要有完整的训练yolo4训练环境的镜像

① 将你的代码和数据集拷贝到服务器（相当于宿主机）中

② 如果你没有事先运行划分数据集代码，可以先在服务器（宿主机）中划分数据集，因为数据集太大，放在自己电脑下划分有点慢

cd命令切换到服务器代码目录下，运行你的划分数据集代码

③ 启动镜像，生成一个容器

④ 检查容器挂载目录是否符合你的目标

⑤ 进入容器后，cd到项目目录下，运行voc_label.py生成图片路径txt文件

⑥ 训练命令