YOLOv3 spp

github连接：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing

进入之后点pytorch_object_detection然后找到yolov3_spp。readme已经写得很详细了。

注意：

4.2 如果是你自己的数据集 .names文件需要重写。可以先建立一个txt文件 然后重命名为 .names文件。

train.py

上图为train.py的参数配置。重要的已经加上注释了。

freeze-layers打开时训练三个预测器

freeze-layers 关闭时训练除darknet53之外的所有权重。

 

 当硬件条件不够时，batch_size不能设置过大。比如最高为4。64/4=16.通过词条指令可以每16步更新一次参数。通过这个方法有助于模型的训练。

 

 训练完成之后会在runs下生成数据曲线文件，还会生成resultxxx.txt文件里面是每个epoch在coco数据集上的评价标准。

predict_test.py 简易的预测脚本

首先指定好各个文件的路径。 就可以预测了。