从零调试一份github上的yolov3代码（Windows下）

yolov3代码链接：eriklindernoren/PyTorch-YOLOv3: Minimal PyTorch implementation of YOLOv3 (github.com)

以上这份yolov3，代码可以说是yolo系列最常用的结构了吧。

 下面开始一步步解析如何正常运转这份代码。。。

config文件要修改 classes数和filter数

一. 使用官方数据集

针对本份代码：yolov3需要的外部数据集文件：6个文件

train.txt：存放训练集图片的绝对路径

val.txt：存放验证集图片的绝对路径

labels文件夹下的train.txt：存放训练图片的目标框信息

labels文件夹下的val.txt：存放验证图片的目标框信息

.names文件：存放类别信息

.data文件：存放以上 .names文件，train.txt，val.txt的，以及类别数目   4种信息

1.1. 使用coco数据集

打开data文件夹下的get_coco_dataset.sh文件

总结：

（1）只需要下载5k.part，trainvalno5k.part，labels.tgz文件

（2）在和5k.part以及trainvalno5k.part同级的目录的git bash中运行下述代码，即可生成含绝对路径的 5k.txt文件，和 trainvalno5k.txt文件。

paste <(awk "{print \"$PWD\"}" <5k.part) 5k.part | tr -d '\t' > 5k.txt
paste <(awk "{print \"$PWD\"}" <trainvalno5k.part) trainvalno5k.part | tr -d '\t' > trainvalno5k.txt

（3）再下载  这个链接https://github.com/pdollar/coco的coco数据集

windows下不能直接运行.sh文件，所以得打开自己找链接下载。

git bash也只能下载github的文件，而不能下载其他网址的文件。

关于coco数据集下载，我想说的是：

很多官方代码都说要下载这四个文件：只关注链接，直接点链接下载

wget -c "https://pjreddie.com/media/files/instances_train-val2014.zip" --header "Referer: pjreddie.com"
wget -c "https://pjreddie.com/media/files/coco/5k.part" --header "Referer: pjreddie.com"
wget -c "https://pjreddie.com/media/files/coco/trainvalno5k.part" --header "Referer: pjreddie.com"
wget -c "https://pjreddie.com/media/files/coco/labels.tgz