yolov4用Google Colab训练自己的数据集

简介

前段时间YOLO系列(v1-v3)作者 Joe Redmon在推特上宣布不再继续CV方向的研究，但最近由 Alexey Bochkovskiy大神接管并更新了yolov4的项目，项目地址https://github.com/AlexeyAB/darknet。此项目之前为yolov3项目支持windows的版本，由于官方darknet并不能很好得支持windows环境，便采用了支持windows的此项目，并且此项目一直在更新，用起来比大多数yolov3项目都顺手。

对于yolov4部分的训练流程和测试，同yolov3的过程。
yolov3及标注生成方法可参考：https://blog.csdn.net/longlong068/article/details/105384712
https://blog.csdn.net/longlong068/article/details/105088304

运用google Colab训练自己的Yolov4数据集

google colab的使用

1. 首先需要创建谷歌云盘账号：https://drive.google.com

2. 打开谷歌云盘

   

   右键选择创建一个Colab的.ipynb文件，如果没有上图的Googel Colab选项，点击关联更多应用添加。

3. 将.ipynb文件装载谷歌云盘，方便Googel云盘和Colab分配的云GPU进行文件相互传输。

   

   点击装载Google云端硬盘，或者直接在左边的命令行输入指令进行装载，指令如下：

   from google.colab import drive
   drive.mount('/content/drive')
   

   装载成功后可见：

   

   其中的My Drive中的文件即为Google云盘中的文件。

4. 在生成的ipynb文件中进行设置GPU可用、项目的git、训练等后续操作。

项目使用流程

此部分的Yolov4项目基于https://github.com/AlexeyAB/darknet
。

1.设置GPU可用

2.clone项目构建Darknet

git clone项目

输入并运行以下命令来git项目：

!git clone https://github.com/AlexeyAB/darknet

成功后在左边的文件列表可以找到项目文件darknet。

修改项目的makefile文件，使编译生成的程序可以使用GPU和OpenCV

运行以下命令，将会自动修makefile

# 修改makefile 将OpenCV和GPU设置为可用
%cd darknet
!sed -i 's/OPENCV=0/OPENCV=1/' Makefile
!sed -i 's/GPU=0/GPU=1/' Makefile
!sed -i 's/CUDNN=0/CUDNN=1/' Makefile

验证CUDA版本

#验证CUDA版本
!/usr/local/cuda/bin/nvcc --version

输出结果如下：

编译项目生成darknet运行程序

!make

编译生成可执行文件darknet

3.设置谷歌云盘路径简写——方便上传文件到云端

装载谷歌云盘——便于将谷歌云盘中的文件传到云端服务器中

因为服务器与云盘的装载经常掉，前面装载过也最好再运行以下代码

from google.colab import drive
drive.mount('/content/gdrive')

设置谷歌云盘路径的简写

#将谷歌云盘路径简写为mydrive
!ln -s /content/gdrive/My\ Drive/ /mydrive
!ls /mydrive

运行以上代码，以后输入mydrive即代表谷歌云盘的路径

在谷歌云盘中创建存放训练相关文件的文件夹

回到谷歌云盘中创建一个文件夹，来存放我们训练所要用到的文件，我创建了一个名为yolov4的文件夹，来存放obj