使用 Colab 训练 Pytorch-Yolov4 (WongKinYiu版)

使用 Colab 训练 Pytorch-Yolov4

前言

  自从跑完 Ultralytics 的 Pytorch-Yolov3、Pytorch-Yolov5 之后就一直想把 Yolov4 也给跑出来，一直想把 WongKinYiu 大佬的跑出来，但是跑了半天成功不了，后来就去跑了 Darknet-Yolov4 版本的，就是 C 语言版本的，但是那个不大想写公众号的文章了，好浪费时间，就写个 Pytorch-Yolov4 版本的，写论文真累，不过看周围的同学还在用 ENVI 各种做什么建成区的面积提取，就在想，还好没做遥感的毕设，要不累个半死，还好做的是计算机的。O(∩_∩)O哈哈哈~。

Plus：

   Colab 提供的服务是 GPU 一天一人 6 小时，CPU 版本 12小时，如果你多次连了不用会关黑屋，× 出去 ✊。 关于如何 XX 上网的问题不要问我，自己好，买也好，自己解决，记得代码程序运行的时候选择 GPU 运行，当然如果没配好环境的话，先用 下好该下的东西，当然 CPU 和 GPU 是两台不同的机器，再装 requirements 的时候需要用 GPU 的环境，记得，记得，记得！

训练步骤

1. 打开 Colab，挂载云盘。可以使用下面的命令，也可以点快捷键，在文件下面的第三个工具那点一下就会问你是不是要挂载云盘，问完之后一般会给你一个验证码，自己验证一下就行了。

from google.colab import drive
drive.mount('/content/drive')

也可以用这个命令来挂载云盘，挂载好之后，切换到 drive/MyDrive中，准备下一步工作。

2. 下载代码，由于 Colab 是外面世界的，而 Github 也是外面世界的，所以在 Clone 的时候不会遇到像国内下载代码很慢的情况。

!git clone https://github.com/WongKinYiu/PyTorch_YOLOv4

注意，在 Colab 中如果想要用 git clone命令的话需要前面加一个 ❗。下载好之后，切进去。

之后的 数据上传、配置环境不区别先后顺序，最好是提前就把你的数据按照 Coco 的数据格式组织一下，就是 PyTorch_YOLOv4 下新建一个 coco 文件夹，然后放两个文件，一个是 train, 另外一个是 val。 文件夹里面分别放 images 和 labels ，在 coco 文件夹下放上图片的路径，plus：这个版本的路径有点奇怪，反正坑死我了。

3. 上传数据，组织数据。

4. 配置环境，这个版本的环境是真的难受，由于 Yolov4 用到了 mish 函数，所以还得装 mish_cuda ，就很奇怪，很难装。

该步中需要装很多东西，需要两个文件，一个是 torch_vision = 0.7.0