在win10下用yolov3训练自己的数据集
- 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