yolov3 指定gpu_YOLO v3训练自己的数据集(GPU)

环境：Ubuntu 16.04 + CUDA8.0 + cudnn5.1

下载模型：

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

cd darknet

修改Makefile文件配置：

在darknet目录下

gedit Makefile

GPU=1 #如果使用GPU设置为1，CPU设置为0

CUDNN=1 #如果使用CUDNN设置为1，否则为0

OPENCV=1 #如果调用摄像头或显示图片，还需要设置OPENCV为1，否则为0

OPENMP=0 #如果使用OPENMP设置为1，否则为0

DEBUG=0 #如果使用DEBUG设置为1，否则为0

ARCH= -gencode arch=compute_30,code=sm_30 \

-gencode arch=compute_35,code=sm_35 \

-gencode arch=compute_50,code=[sm_50,compute_50] \

-gencode arch=compute_52,code=[sm_52,compute_52]

# -gencode arch=compute_20,code=[sm_20,sm_21] \ This one is deprecated?

# This is what I use, uncomment if you know your arch and want to specify

ARCH= -gencode arch=compute_61,code=compute_61 #取消此行注释并将52改为61，因为我的GPU是1050Ti和1080Ti，具体GPU算力是多少可以百度

... ...

NVCC=/home/user/cuda-8.0/bin/nvcc #NVCC=nvcc 修改为自己的路径

... ...

COMMON+= -DGPU -I/home/hebao/cuda-8.0/include/ #修改为自己的路径，我的这部分改为cuda也能运行

CFLAGS+= -DGPU

LDFLAGS+= -L/home/hebao/cuda-8.0/lib64 -lcuda -lcudart -lcublas -lcurand #修改为自己的路径

编译：

在darknet目录下

make

若前面的路径错误或GPU算力不匹配都会报错，在服务器上跑的话将Makefile中的opencv置0，否则报错。

下载权重，运行demo：

在darknet目录下

wget https://pjreddie.com/media/files/yolov3.weights

./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

若demo运行成功，则说明没问题。

制作自己的VOC数据集：

详见另一篇文章。

这里说一下，我用的VOC2007数据集，一般只需要将Annotations替换为自己的xml文件，JPEGImages替换为自己的.jpg图片即可。

需要注意的是VOCdevkit文件目录在darknet下。

下载voc_label.py文件：

在darknet目录下：

wget https://pjreddie.com/media/files/voc_label.py

gedit voc_label.py

修改文件：

sets=[('2007', 'train'), ('2007', 'test'), ('2007', 'val')] #删除2012的部分

classes = ["man", "woman"] #设置为自己的类别

运行修改的voc_label.py文件：

python voc_label.py

将会发现darknet目录下会出现几个.txt文件，然后将其合在一起：

cat 2007_train.txt 2007_val.txt > train.txt

此时会发现darknet目录下出现了一个train.txt文件

修改voc.data文件：