yolov3-tiny训练自己的数据集

仅作笔记整理搬运使用，没有任何程序原创部分，主要给自己提个醒，避免重复搜索工作

一、制作VOC数据集

https://blog.csdn.net/Sunhansong/article/details/107281225

二、darknet框架下载

yolov3官方网站
https://pjreddie.com/darknet/yolo/

AlexeyAB 版本darknet
https://github.com/AlexeyAB/darknet
训练直接可视化，权重有best.weights

三、训练

1. 把数据集放在darknet/script中
2. 修改voc_label.py中的classes变成自己需要的类别名称,此外将classes上一行的带括号的2012删除,以及最后两句注销.

python3 ./voc_label.py

cat 2007_train.txt 2007_val.txt > train.txt

3. 修改配置

   修改data/voc.names里面的类别为自己需要的类别名称
   修改cfg/voc.data文件

classes= 3
train  = /home/shs/darknet/scripts/2007_train.txt
valid  = /home/shs/darknet/scripts/2007_test.txt
names = data/voc.names
backup = /home/shs/darknet/backup/

注：classese:类别数量
train：路径为voc数据集文件夹下的2007_train.txt文件的路径
test：路径为voc数据集文件夹下的2007_test.txt文件的路径
names：为data文件夹下的voc.names
backup:为主目录下backup文件夹（主要用来存放训练生成的.weights文件（模型）和.backup文件（用于训练过程中断后继续训练时所用文件））
eval：为voc评价标准

4. 修改cfg文件
   若用yolov3-tiny.cfg

[net]
#Testing
#batch=1
#subdivisions=1
#Training
batch=64
subdivisions=16    #原来是2，后来运行时总出核心已转储的错，改大了就好了
width=416
height=416
channels=3

[convolutional]
size=1
stride=1
pad=1
filters=93   ##改为3*(classes+1+4)
activation=linear

[yolo]
mask = 0,1,2
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=26    ##改为你自己的数量
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1

其中有两处需要修改！yolov3-voc.cfg有三处！

5. 训练:

（1）模型下载:

wget https://pjreddie.com/media/files/darknet53.conv.74

（2）可设置训练次数
系统默认会迭代45000次batch，如果需要修改训练次数，进入cfg/yolo3_tiny.cfg修改max_batches的值。
（3）模型保存
训练时默认：迭代次数小于1000时毎迭代100次保存一次模型，迭代次数大于等于1000时毎一万次保存一次模型，保存的模型结果保存在主目录下的backup文件夹下，同时，会保存.backup模型（该模型为：当训练中断时，若想要继续接着上次训练可以使用这个模型），若想修改毎多少次保存一次模型的次数，可以在DarkNet主目录下examples/detector.c文件138行中进行修改
修改完成后，在DarkNet主目录下鼠标右键打开终端输入命令：make，回车进行重新编译
（4）训练终端输入：

./darknet detector train cfg/voc.data cfg/yolov3-tiny.cfg darknet53.conv.74 -map

加上-map可在训练时看到map

./darknet detector train cfg/voc.data cfg/yolov3-tiny.cfg darknet53.conv.74  2>1 | tee train_yolov3.log

后面命令可保存训练日志train_yolov3.log
（5）
训练时，终端看Avg IOU 😗**这个值越大说明训练效果越好，出现大量的nan则证明训练无效

Region 106 Avg IOU: 0.494182, Class: 0.494590, Obj: 0.000736, No Obj: 0.000152, .5R: 0.000000, .75R: 0.000000,  count: 1
658（迭代次数）: 6.408302（总的loss损失）, 6.909904 avg（平均loss）, 0.000187 rate（学习率）, 3.666400 seconds（训练batchsize用到的时间）, 42112 images（当前已经训练多少图片）
Loaded: 0.000028 seconds

参数信息：
Avg IOU: 当前迭代中，预测的box与