（YOLOv3训练超详细教程）在Ubuntu 18.04下使用YOLOv3训练数据（提供源码及文件夹）

一、环境

Ubuntu 18.04 + CUDA10.0 +CUDNN

下方是我训练时的真实文件，可供大家参考

大家需要我的文件资源的请使用曲奇云盘下载，下面是下载链接：https://quqi.gblhgk.com/s/981990/7C1nyIvTyl7SRFjx

二、修改重要文件

1.yolov3-voc.cfg(darknet/cfg//yolov3-voc.cfg)

[convolutional]
size=1
stride=1
pad=1
filters=21//修改为filters=(classes+5)x3
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=2//修改为需要检测的类别数目
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1//当显卡内存不够时可以修改为0

以上共修改三处均已标出，在整个文件里有三个这样的结构也就是说需要修改九处，建议先拉到文件的最下方，开始修改。

2.voc.names(darknet/data//voc.names)

wheel
goods

按照上述方法写入要检测的类别的名称，其中第一个类别的id为0，依次升序！

3.voc.data(darknet/data//voc.data)

classes= 2//类别数目
train  = /home/ustc/Kaixiang/YOLO/darknet/scripts/2007_train.txt//训练集目录
valid  = /home/ustc/Kaixiang/YOLO/darknet/scripts/2007_val.txt//验证集目录
names = data/voc.names//类别名称目录
backup = backup//模型的存储目录

4.Makefile(darknet//Makefile)

GPU=1
CUDNN=1
OPENCV=1
OPENMP=0
DEBUG=0

根据硬件是否有GPU，是否安装OPENCV等进行选择，有 1无0