该文指导如何配置CUDA、tensorflow-gpu和keras环境来运行YOLOv3模型。首先，需下载并解压keras-yolov3项目，接着准备VOC2007数据集和yolov3.weights权重文件。通过convert.py脚本将weights转换为h5格式，最后运行yolo_video.py对图片或视频进行对象检测。
一、所需环境
cuda+tensorflow-gpu+keras(一定要选择和配置对应的版本，不然会报错)
二、大致步骤
1.下载keras-yolov3-master.zip压缩包
2.解压缩在pycharm中打开
3.下载voc2007数据集，把数据集放到keras-yolov3-master里边的model_data文件夹下
4.下载权重文件yolov3.weights文件
5.找到convert.py右键找到open In，点击Terminal 输入下面的代码
python convert.py -w darknet53.cfg darknet53.weights model_data/yolo_weights.h5其目的是为了把yolov3.weights转换成yolo_weights.h5文件，就能在keras-yolov3-master文件夹下找到yolo_weights.h5文件
6. 然后在终端输入python yolo_video.py --image（此代码 --image 表示识别图片，当然也可以测试视频）
当看到如图所示
，输入想要识别的图片路径，
就可以得出测试结果，如：
， 
1347
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
