在win10下用yolov3训练自己的数据集

在win10下用yolov3训练自己的数据集

1. 在darknet-master\build\darknet\x64 新建yolo-obj.cfg文件（可以直接复制yolov3.cfg,然后重命名为yolo-obj.cfg），

然后就是修改这个文件内容了。

将batch 改成64 ：batch=64

将subdivisions 改成8 ：subdivisions=8
（windows下训练yolo时出现CUDA Error: out of memory问题的解决（https://blog.csdn.net/qq_33485434/article/details/80432054）：由subdivisions=8改成subdivisions=64。subdivision：这个参数很有意思的，它会让你的每一个batch不是一下子都丢到网络里。而是分成subdivision对应数字的份数，一份一份的跑完后，在一起打包算作完成一次iteration。这样会降低对显存的占用情况。如果设置这个参数为1的话就是一次性把所有batch的图片都丢到网络里，如果为2的话就是一次丢一半。

http://blog.csdn.net/renhanchi/article/details/71077830?locationNum=11&fps=1
）

将每个yolo下（共有3处）的classes改成你自己的类的数量 ：classes = 1（我的是1类）

将每个yolo上面第一个convolutional下的filters改成你自己的大小，计算方法是： filters=(classes + 5)x3 ,由于我的是1类，所以我的filters=18. （和上面一样，共有3处，3个yolo，每个yolo上面的第一个convolutional下的filters）每个yolo上面的第一个convolutional是网络的最后一个输出层。

！！！注意注意：如果你对显卡较差（4G显存以下），会出现内存溢出错误（Out of memory），改正方法：将batch改小些（64,32,16,8），将random改成0关闭多尺度训练。

2.在build\darknet\x64\data\下新建obj.names文件，里面写入你的类名，每个类名占一行。

3.在build\darknet\x64\data\下新建obj.data文件

4.将你的所有样本图片放到：build\darknet\x64\data\obj\

5.将所有图片对于的txt文件也放到：build\darknet\x64\data\obj
txt文件格式如下

6.在build\darknet\x64\data\下新建train.txt
将你的训练图片的路径放入文件，每行一个路径，如下图：

7.将darknet的预训练权重放入build\darknet\x64，下面是我的网盘链接，我的网盘里有：

链接：https://pan.baidu.com/s/1Gdo2gj1bggjUtW9CyYkIpQ 密码：x5ht

8.修改网络配置文件Makefile（在\darknet-master路径下）


9.打开win10终端，cd进入darknet-master\build\darknet\x64路径，然后输入：darknet.exe detector train data/obj.data yolo-obj.cfg darknet53.conv.74 开始训练。
10.训练时，每训练1000轮，都会生成一个权重文件在build\darknet\x64\backup\ 下，文件名例如：yolo-obj_1000.weights（后面的1000是训练1000轮是的权重）。

10.测试训练效果：

将那个backup文件下最后一个权重文件复制到build\darknet\x64\文件下，打开win10终端，cd进入然后运行darknet-master\build\darknet\x64路径，然后输入：darknet.exe detector test data/obj.data yolo-obj.cfg backup/yolo-obj_1000.weights（最后的权重改为你自己的权重）。终端会提醒你输入图片路径，然后你输入测试图片的绝对路径即可看到效果。


在这里插入图片描述