win10的pytorch环境搭建及烟雾模型训练检测（CPU版）

https://download.csdn.net/download/qq_37044856/19701526?spm=1001.2014.3001.5503

(源码及图片标记工具）

一. pytorch环境搭建

终端输入

pip3 install torch==1.2.0+cpu torchvision==0.4.0+cpu -f  https://download.pytorch.org/whl/torch_stable.html

其间遇到报错Could not install packages due to an EnvironmentError: [WinError 5] 拒绝访问，解决办法：

pip3 install --user torch==1.2.0+cpu torchvision==0.4.0+cpu -f  https://download.pytorch.org/whl/torch_stable.html

下载成功后，输入python >>import torch,如果不报错就可以pip list 检查是否安装成功：

 

二.模型训练

 1.下载工程，其中已包含voc2017数据集，把自己的图片放入\VOCdevkit\VOC2007\JPEGImages中，最好多于500张

2.双击运行图片标记工具labelImg.exe ，opendir 是JPEGImages文件夹，change save dir是\VOCdevkit\VOC2007\Annotations

增加标签，比如我只有烟雾一个识别类，就添加smoke，键盘W是画框，A是上一张，D是下一张

所有文件标注完后会在Annotations文件夹生成对应xml文件，其存放标注框名称及大小

3.运行voc2yolo3.py，会在\VOC2007\ImageSets\Main下生成train.txt，包含JPEGImages中所有文件名

在model_data里新建一个new_classes.txt，存入自己模型的识别类别，比如我的“smoke”，你有几个就写几行

修改voc_annotation.py里classes内容为刚刚new_classes里的内容，逗号隔开，例如

classes = ["smoke", "bike", "bird"]

4.运行voc_annotation，会生成2007_train.txt，每一行对应其图片路径及标记框。

5.修改train.py中num_classes为自己检测类的个数,修改cuda=false(GPU版本不用），运行train.py

我的训练集是500张图片，跑了8个小时

三.模型检测

1.logs文件夹下会生成很多个.pth文件，一轮epoch一个，一共100轮，选择最后生成的文件，这就是你的权重文件，复制到model_data中，重命名为自己的例如yolo_smoke.pth

2.修改yolo.py中model_path为自己刚刚重命名的.pth，classes_path为new_classes

运行predict.py进行检测，待检测图片放入img文件夹