ubuntu实现yolov3（pytorch）实操（ML篇1）

最近一直在看yolo，然后有几点一直挺疑惑的，决定实操下换个脑子补充理论层面的知识，顺便也补充下拉跨的教程。

关于YOLOv3版的特点，这里简单提下，首先是darknet，新的darknet53借鉴了resnet，也就是在结构上使用了类似于resnet的结构，然后与一直在使用的shortcut相结合，使darknet变得非常强大；其次yolov3使用了FPN,将不同层次的feature map进行了特征融合，使得检测器能更好的检测不同尺度大小的物体，然后关于FPN， 最近对这个有点迷惑，搞懂了在后面的篇节再提吧......

-----------------------------------------------分割线-------------------------------------------------

第一步 环境配置（采用anaconda）

1.安装anaconda（可自行百度）

安装好后应该是以下这样

2.终端查看conda当前环境，并新建yolov3环境，以及激活yolo3环境

# 01 查看已有环境
conda-env list
# 02 新建环境
conda cerate -n yolov3 python=3.5  #  注意python的版本为3.5
# 03 激活刚建立的yolov3环境
conda activate yolov3

3.在激活的yolov3环境中安装opencv与pytorch两项内容

# 01