如何使用Pytorch实现YOLOv3训练自己的数据集（详尽版）

大名鼎鼎的YOLOv3由于其速度快，精度高等特点，成为了目前学术界以及工业界最广为使用的目标检测模型之一。原始的YOLOv3是基于darknet框架下完成了，因此本文将详细讲述如何在Pytorch下使用YOLOv3模型训练自己的数据集并进行预测。

本文将分为四部分进行讲述：

1. 环境配置

2. 数据集准备

3. 模型训练

4. 模型预测

1.环境配置

1.1 Python环境安装

Python的编译环境非常之多，小伙伴们可以根据自己喜好来安装Anaconda，Pycharm等等，在此不做赘述，本文使用的是Pycharm社区版。

1.2 Pytorch安装

首先进入以下网址：https://pytorch.org/

在这里选择自己的系统，安装方式（conda安装，pip安装等等），语言（本文是Python），以及你的CUDA版本，就可以获得安装指令了。复制该条指令，打开CMD就可以进行pip安装或者conda安装了。

Tips1：如何查看自己的CUDA版本呢？

CUDA是Nvidia显卡特有的运算平台，能够在训练中使用GPU进行加速。如果你没有Nvidia独显或者只有AMD显卡，那就只能在上面的选项中选择“None”来安装CPU版本了。如果你拥有Nvidia独显，桌面右击，选择“Nvidia控制面板”，点击帮助，点击系统信息，点击组件，就可以看到你的CUDA版本啦，如下面三张图片所示。

Tips2：Pytorch安装太慢怎么办？

由于是国外的网站，经常会出现被墙的现象导致安装速度过慢甚至速度为0的现象。这里推荐大家使用清华镜像来进行安装，速度很快。方法如下。

打开CMD，逐步输入以下命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

然后键入你的安装指令，比如：

conda install pytorch torchvision cudatoolkit=10.1

2. 数据集准备

首先，我们需要下载代码：

https://github.com/ultralytics/yolov3