darknet 下的各种操作

在安装好的darknet 下进行操作

1. 在安装的dark文件夹下进行Makefile 的改写。  指令： vim Makefile

根据自己电脑里安装好的配置，进行GPU，CUDNN的改写。存在置为1，不存在置为0。

注意 自己电脑的配置，符合那一项，就将哪一项的注释给去掉。例如型号是GTX770，就将图中的ARCH=-gencode arch=compute_30, ode =sm_30 去掉

2进行darknet的编译操作 make -j8 其中 -j8操作代表几个线程操作

会在darknet 文件夹下生成一堆文件，比如说

3模型训练，需要1）（.cfg文件 ）里面包括一些超参数，网络模型参数，包括连接方式，卷积等，此文件可以导入netron(可视化工具) 例如 yolov3-tiny.cfg

测试的时候:batch=1  subdevisions=1

训练的时候：batch=64(根据自己的电脑配置来，2的倍数，最小是32)  subdevisions=4(也是根据自己的电脑配置来)

2）（.data文件）包括类别数目，train.txt 文件的路径，valid.txt 文件的路径，names的路径，backup文件夹的路径（权重参数，可以为空。空代表着从头开始训练，不为空代表存在初始参数） eval 表示训练的名称。

home 前什么都不加或者加./都指的是相对路径。 home 前加/指的绝对路径。

3）(.train.txt) 里面包含需要训练的图片的路径及文件名，注意名称不要与

4）_val.txt 文件类似

5）.name 文件，主要包括一些类别的名字

将上述数据集信息，整合在对应的文件夹里。

4.  进行模型的运行，权重参数的训练。

输入指令：

CUDA_VISIBLE_DEVICES=1 ./darknet detector train  /home/nielingmei/coco.data  /home/nielingmei/yolov3-tiny.cfg  -dont_show -map -gpus 0

蓝色部分指定的是可见的GPU，1代表的是编号为1 的GPU。

GPU占用情况可以输入nvidia-smi ,例如：

题外话

指令： df -h (查看内存的占用情况)

建立一个screen 有助于在电脑进程中断的时候，在服务器的进程不会卡掉

screen -S train 建立一个以train命名的screen

在程序里执行训练操作：CUDA_VISIBLE_DEVICES=1 ./darknet detector train  /home/nielingmei/coco.data  /home/nielingmei/yolov3-tiny.cfg  -dont_show -map -gpus 0

Ctrl +A+D 暂时退出该screen（后台还在运行）

Ctrl+C退出操作

screen -ls 查看screen 下的文件

screen -r train(文件名) / screen -r （+文件名前面的数字码）

 

 

都可以进入screen 进程。

拷贝文件时（1）从远程电脑拷贝到当前电脑：蓝色为远程电脑的文件，黑色为目标文件夹

scp nielingmei@10.20.37.133:/nielingmei/darknet/build/chart_yolov3-tiny.png Download

注意权限，可以从root用户进入。

（2）从本地电脑拷贝

cp nielingmei/darknet/build/cfg/yolov3_tiny.cfg nielingmei

Ctrl +D 登出服务器

 

进行推理时：CUDA_VISIBLE_DEVICES=1 ./darknet detector test /home/nielingmei/darknet/train/coco/coco.data  /home/nielingmei/darknet/train/coco/yolov3-tiny.cfg /home/nielingmei/darknet/train/coco/yolov3-tiny_last.weights ./data/person.jpg

图片预测的结果：在predictions.jpg中。

查看darknet的结果 vim src/darknet.c