darknet的安装、用训练好的YOLOv3权重测试、训练自己的模型(包括本人在运行时的报错及解决方法）

Part1：下载并编译darknet（此部分是无CUDA，无OpenCV，如果想用OpenCV和CUDA，看完该部分后继续part1补充。否则跳过补充部分）。

1.在terminal执行git clone https://github.com/pjreddie/darknet.git。

2.然后切换到darknet目录下

3.编译

三步操作代码如下：

git clone https://github.com/pjreddie/darknet.git
cd darknet
make

4.如果执行顺利的话，输入./darknet，将会得到如下结果。至此part1部分结束。

 

备注：到这没有问题就直接看part2，有问题在看这里。前两步基本不会出现问题，第三步可能因为编译所需的东西并未安装而出现问题，如我在安装时候，因为之前并未安装g++而报错，错误如下：

g++ -Iinclude/ -Isrc/ -Wall -Wno-unused-result -Wno-unknown-pragmas -Wfatal-errors -fPIC -Ofast -c ./src/image_opencv.cpp -o obj/image_opencv.o
make: g++: Command not found
Makefile:86: recipe for target 'obj/image_opencv.o' failed
make: *** [obj/image_opencv.o] Error 127

解决办法：sudo apt-get install g++

Part1补充：

1.用CUDA：

打开darknet文件，然后找到makefile文件，把GPU=0 改成GPU=1.

完成之后在终端make一下

2.用OpenCV:

打开darknet文件，然后找到makefile文件，把OPENCV=0 改成OPENCV=1.

完成之后在终端make一下。（在2用OpenCV时，我make的时候出了bug：https://mp.csdn.net/console/editor/html/107285616，看对你是否有帮助。）

如果电脑配置可以，我觉得都可以改成1.改完如下

改完别忘了make一下。

3.可以用以下语句测试一下OpenCv是否安装好：

./darknet imtest data/eagle.jpg

 是不是像下面一样停不下来，停不下来就说明你的OpenCV好用，Ctrl+C来结束他吧。

关于使用GPU的修改，YOLO官方网站上给的操作只有这些，但是我看很多博客上也在Makefile文件修改了一些其他，为了防止后期的错误发生，在此处最好修改一下。 加黑的是修改后的自己的路径，注释的是原来的路径。

NVCC=/usr/local/cuda-10.1/bin/nvcc # NVCC=nvcc 修改为自己的路径

ifeq ($(GPU), 1) 
#COMMON+= -DGPU -I/usr/local/cuda/include/
COMMON+= -DGPU -I/usr/local/cuda-10.1/include
CFLAGS+= -DGPU
#LDFLAGS+= -L/usr/local/cuda/lib64 -lcuda -lcudart -lcublas -lcurand
LDFLAGS+= -L/usr/local/cuda-10.1/lib64 -lcuda -lcudart -lcublas -lcurand
endif

修改完后记得make clean一下，然后再make.

备注：查找NVCC的安装路径的方法：which nvcc

Part2:下载权重、测试事例

分别执行下面两行代码：

wget https://pjreddie.com/media/files/yolov3.weights
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

 执行完你将看到如下结果：（如果没用CUDA，速度可能比较慢。），如果你未用OpenCV，那么第二张图片不会自动弹出来，它位于darknet文件夹下predictions.jpg里，打开就可以看到了。

Part3：在VOC上训练YOLOV3

在这部分，你将从头开始训练

1.得到Pascal VOC Data数据集：

wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar
tar xf VOCtrainval_11-May-2012.tar
tar xf VOCtrainval_06-Nov-2007.tar
tar xf VOCtest_06-Nov-2007.tar

按照这个操作下载速度可能有些慢，给个镜像源的链接，用迅雷下载超快https://pjreddie.com/projects/pascal-voc-dataset-mirror/

下载完成后在darknet里面新建一个VOC文件夹，把下载好的几个放进去，然后用上面的三个命令解压。

2.生成.txt文件：

txt文件格式如下。

<object-class> <x> <y> <width> <height>

 为了生成这些文件，我们需要在VOC下运行voc_label.py这个文件，这个文件存在scripts文件夹下，或者我们从这个地址下载。 

然后运行。

wget https://pjreddie.com/media/files/voc_label.py
python voc_label.py

运行完会生成5个txt文件，如下：

那个train.txt是下一步生成的，这步假装没看见。我们把2007的test当测试集，其他的作为训练集，训练数据的时候需要一个txt文件，因此我们把上面的除了2007test，整合到一起，运行下面语句即可，然后会生成一个train.txt，如上图所示。

cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt

3.修改配置文件：

 到darknet目录下找到cfg/voc.data，打开voc.data文件，如下所示。

  1 classes= 20
  2 train  = <path-to-voc>/train.txt
  3 valid  = <path-to-voc>2007_test.txt
  4 names = data/voc.names
  5 backup = backup
  #将第23行的路径改成自己得路径

4.下载预训练权重：

运行下面语句即可，但是速度很慢，可以单独从https://pjreddie.com/media/files/darknet53.conv.74下载下来，然后再放到darknet文件夹下。

wget https://pjreddie.com/media/files/darknet53.conv.74

 5.开始训练模型：

没有GPU很慢的，有就用第二个语句，-gpus根据实际情况自行修改。

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0,1,2,3

6.测试模型：

将训练好的权重拷贝到weights文件夹下，改一下权重名，然后运行

./darknet detector test  cfg/voc.data cfg/yolov3-voc.cfg weights/yolov3.weights data/dog.jpg

即可。 

 

整体参考：YOLO 官方教程：https://pjreddie.com/darknet/yolo/

训练VOC数据集参考：https://blog.csdn.net/qq_34806812/article/details/81292151