目录
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。
,