windows10+Pytorch中用yolov3训练自己数据记录

yolov3版本：下载地址：https://github.com/ultralytics/yolov3   选择原因pytorch中速度快、可以工业部署、不停的更新维护。后续有yolov5（只在其Github看到，后续可以尝试）
环境：windows10
          pytorch1.5（1.4）
           python3.7
          CUDA：10.2  （10.1）
           cuDNN7.6
          Visual Studio Enterprise 2019
1、需重新编译coco的PythonAPI 下载地址  https://github.com/cocodataset/cocoapi ；
cmd管理员权限打开进入coco\PythonAPI文件夹下，编译setup.py    命令：python setup.py build_ext --inplace
发现报错，主要内容为：
cl: 命令行 error D8021 :无效的数值参数“/Wno-cpp”
========解决方法============
打开coco\PythonAPI目录下的 setup.py文件，
修改ext_modules  extra_compile_args=['-Wno-cpp', '-Wno-unused-function', '-std=c99'],
#修改为
#extra_compile_args=['-Wno-cpp', '-Wno-unused-function', '-std=c99'],
 extra_compile_args=['', '', ''],
然后继续执行：python setup.py build_ext --inplace
继续：python setup.py build_ext install
最后编译结束输出Finished processing dependencies for pycocotools==2.0表示成功

2、apex安装（忘了这个好像不用安装是测试YOLOv3-ASFF中安装的）
TypeError: Class advice impossible in Python3. Use the @Implementer class decorator instead
pip uninstall apex
git clone https://www.github.com/nvidia/apex（需安装git或直接下载）
cd apex
python setup.py install
3、官方模型测试（yolov3-spp-ultralytics.pt）
测试yolov3.weights +yolov3.cfg、 yolov3-spp-ultralytics.pt+yolov3-spp.cfg组合
yolov3-spp-ultralytics.pt（608*608  40ms ）在测试推理时间速度要快于YOLOv3-ASFF_800_43.9.pth（https://github.com/ruinmessi/ASFF；YOLOv3-ASFF_800_43.9.pth  608*608  80ms    800*800  120ms）；
python detect.py --names data/coco.names --cfg cfg/yolov3-spp.cfg --weights weights/yolov3-spp-ultralytics608.pt测试结果：（测试图片用国内交通标志数据集的测试图）


视频测试：

4、训练自己的数据

数据集制作：
国内交通标志数据集：共包含1465张640*640的交通标志图片，一共标注了6类交通标志，分别是：直行、左转、右转、禁行、禁鸣、人行横道，("straight", "left","right", "stop ", "nohonk", "crosswalk")。标注信息均保存在xml文件下载地址：https://www.kesci.com/home/dataset/5ea92354366f4d002d730fca 下载解压后的数据集格式：一个是xml何对应的图片。写脚本xml2voc2007转换为voc2007格式；之后采用darknet带的voc_label.py脚本转换为darknet需要的txt格式。总之我所用的数据集格式与darknet版本的一样。

yolov3-spp.cfg重新命名yolov3-sppTR.cfg并修改（共有三处）如下图：33=（num+5）*3

以yolov3-spp-ultralytics.pt作为预训练模型；cmd中执行如下命令即可
python train.py --data data/vocTR.data --cfg cfg/yolov3-sppTR.cfg --weights weights/yolov3-spp-ultralytics.pt --epochs 300

在IDE中只需修改如下图的即可：


我这里默认300 epochs就需要6个小时，运行结果如下图

python detect.py --names data/vocTR.names --cfg cfg/yolov3-sppTR.cfg --weights weights/last.pt：推理检测结果：