yolov3-安装编译运行

目录

一、代码和数据集下载 

        1.YOLOv3代码下载：

        2. coco数据集下载：

二、环境配置

        1.依赖安装

        2.基于pycharm编译配置

         3.编译成功运行界面

三、验证训练好的模型 

        1.环境配置 

         2.编译输出结果

---

---

一、代码和数据集下载 

        1.YOLOv3代码下载：

链接：https://pan.baidu.com/s/12G05Y-hqUnxLqMG7GQFIFA 
提取码：nj25 
--来自百度网盘超级会员V1的分享

        2. coco数据集下载：

http://images.cocodataset.org/zips/val2014.zip
http://images.cocodataset.org/zips/train2014.zip

下载后解压放在data/coco/目录下

二、环境配置

        1.依赖安装

     需要安装CUDA，pytorch,未安装可参考

一看就懂的 CUDA安装教程及Pytorch GPU版本安装教程_cuda 安装_Evan_qin_yi_quan的博客-CSDN博客   一些必要的安装包，编译的时候缺少什么就安装什么。使用命令：

  pip install  xxx(待安装的模块名字)    -i  https://pypi.mirrors.ustc.edu.cn/simple/

pip install scikit-image -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install pillow -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install opencv-python -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install tqdm -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install matplotlib -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install wandb -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install tensorboard -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install tensorflow -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install terminaltables -i https://pypi.mirrors.ustc.edu.cn/simple/

        2.基于pycharm编译配置

                编译脚本文件为train.py, 主要传递两个参数

--data_config         config/coco.data   数据集路径
--pretrained_weights     weights/darknet53.conv.74  预编译模型的权重参数

下面是编译参数配置，只训练两轮 

 --epochs
2
--data_config
D:/BaiduNetdiskDownload/PyTorch-YOLOv3/config/coco.data
--pretrained_weights
D:/BaiduNetdiskDownload/PyTorch-YOLOv3/weights/darknet53.conv.74

         

         3.编译成功运行界面

三、验证训练好的模型 

        1.环境配置 

         路径表示用xxx/xxx/xx/,使用反斜杠\表示路径可能报如下错误：

   fp = builtins.open(filename, "w+b") OSError: [Errno 22] Invalid argument: 'output/D:\\BaiduNetdiskDownload\\PyTorch-YOLOv3\\data\\samples\\dog.jpg' 

        训练时保存模型时用的pytorch版本，CUDA版本 ，和加载模型时的用版本不一致也可能导致编译不通过，通常出现在使用别人训练好的模型时发生这种情况，因为你的版本和别人的版本不一致。

编译出错关键字：magic_number = pickle_module.load(f, **pickle_load_args)  #joblib
_pickle.UnpicklingError: invalid load key, '\x00'.

         

         2.编译输出结果

             编译输出结果保存在output/samples/目录下，用于测试的模型只训练了一次，所以检测结果并不好，下图中只检测出了2个对象。

，