RK3399 pro用darknet框架训练单尺度yolov3

本文介绍了在RK3399 Pro上使用Darknet框架训练自定义数据的YOLOv3模型。参照ToyBrick社区和YOLOv3官网的教程,修改cfg文件以适应单个YOLO层,调整训练配置以解决内存不足问题。训练完成后,通过rknn_transform_416x416.py生成RKNN文件,并在rknn_camera_416x416.py中进行适配修改。作者指出,RK3399 Pro的调试过程耗时较长,影响了效率。
摘要由CSDN通过智能技术生成

训练部分

主要参考这两个网站的内容:
1.ToyBrick社区
2.yolov3官网

首先按照网站1的训练自己的数据教程在网站2下载并编译Darknet,然后剩的一直按照网站教程来,一直到
在这里插入图片描述
其中15表示提取的卷积层层数,因为我的需求是只有一个yolo层,所以我把yolov3的cfg文件的第一个yolo层之后的层都删掉了,然后这个参数修改为82,如果有其他的需求,可以按照上面那行程序输出的内容取相应的卷积层,yolov3的卷积层如下图:
在这里插入图片描述
训练的配置由yolov3的cfg决定:
在这里插入图片描述
训练的时候如果显示memory不足,那么就要修改batch和subdivisions,我是都改成了4。
max_batches控制epoch多少次。
剩下的按照社区教程来就ok。

rknn文件转换

第一步,执行rknn_transform_416x416.py,生成rknn文件,这个没有问题。
第二部,执行rknn_camera_416x416.py,其中有些地方需要改动:
1.程序上边的class相关内容:

GRID0 = 13
GRID1 = 26
GRID2 = 52
LISTSIZE = 8 // num_class + 5
SPAN = 3
NUM_CLS = 3
MAX_BOXES = 500
OBJ_THRESH = 0.5
NMS_THRESH = 0.6

CLASSES = (
评论 15
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值