Linux配置darknet 训练yolov4模型

yolov4使用的比较多，但实验室服务器都是linux系统的，所以尝试在linux服务器下配置yolov4

---

一、配置darknet

1. 安装CUDA

要对应好版本就行

2. 安装CUDNN

1. 从官网下载cudnn-9.1-linux-x64-v7.1.tgz
2. 解压CuDNN压缩包

 tar -xzvf cudnn-x.x-linux-x64-v8.x.x.x.tgz

选项

• -x：解打包；
• -z: 压缩和解压缩 ".tar.gz"格式
• -v：显示打包文件过程；
• -f：指定压缩包的文件名；

3. 复制下列文件到CUDA的安装目录，并更改文件权限

sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

3. 下载darknet

git clone https://github.com/AlexeyAB/darknet.git

4. 修改Makefile文件

如下图所示

修改

GPU=1 
CUDNN=1
CUDNN_HALF=1

由于我用的Centos系统，配置OpenCV一直出现问题，所以我的OPENCV=0

5. 编译darknet

make -j8

运行./darknet命令

./darknet

显示
usage: ./darknet <function>
则编译成功，并生成darknet文件

二、训练自己的数据

1. 对照VOC数据集格式

VOCdevkit 
——VOC2020        
————---Annotations  #放入所有的xml文件
————---ImageSets    
——————-----Main       #放入train.txt,val.txt文件
————---JPEGImages   #放入所有的训练图片文件
————---labels   #放入所有的txt文件，会自动生成此文件夹
————---TESTImages   #放入所有的测试图片文件

#Main中的文件分别表示test.txt是测试集，train.txt是训练集，val.txt是验证集

修改obj.data

train和valid采用绝对路径

开始训练

./darknet detector train ./cfg/obj.data  ./yolov4.cfg ./yolov4.conv.137 -gpus 0,1,2,3  2>&1 | tee log/train_yolov4.log