使用YOLOv3训练自己的数据集

---

声明：本文使用的YOLOv3来自github中的AlexeyAB大神的代码。
系统环境：ubuntu18.04，GTX1660ti
github上有完整的实现步骤，博主只是记录一下。

---

---

1.准备自己的数据集

准备好自定义的训练集/验证集/测试集，本文按照PASCAL VOC（COCO也可以）数据集格式进行存储数据，VOC格式如何存储百度一下即可。参考：制作自己的数据集

2.下载及修改代码

2.1下载代码并编译

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

打开终端运行上面代码，下载到本地（如果网络不好下载太慢，可以上传到码云然后git clone 码云链接）

cd darknet

切换到darknet（目录名）目录中，输入make进行编译
注意：在make之前，找到makefile文件，我们可以设置一些功能，根据自己的需求设置，GPU/CUDNN/OPENCV是必要的
编译完成后运行./build.sh，用于查找已安装的可依赖项，例如：CUDA、cudnn、zed sdk等。（提提前安装好cmake）

2.2根据自己的数据集修改cfg文件

超参数可以不用修改，分辨率可以提高一点，首次训练可以将max_batches调小一点，等跑通之后再调高。这里的subi