Pytorch-Yolov3测试、训练自己的数据集、代码阅读（一）

2021.2.20
一直想要把yolov3代码弄明白，刚开始学的是keras版本的，但是导师说他更喜欢pytorch，于是开始火速学习pytorch。
但是今天学累了，明早起来再开始吧。哈哈哈啊哈哈

运行训练好的模型

环境配置

1. 将github库download下来
   git clone https://github.com.cnpmjs.org/ultralytics/yolov3.git

• 开梯子速度会快很多（不开梯子200kb往下，开了起飞的感觉）
• 还有挂加速通道（github真的太不友好了）
  

2. 切换到自己需要的虚拟环境（新建也可以，但是我喜欢全放在一个环境里）
   

3. 安装模型所需的lib
   pip install -r requirements.txt
   

• 发现全部satisfied了，以前都下载过

运行已有的模型

1. 下载模型（权重文件），官网、百度云都可以，自行解决

• 已经提前下好了，权重文件放到yolov3目录下即可
• 这里使用的权重文件是pt格式（torch 保存的一种序列化文件，和pkl很像）yolov3.pt

2. run inference on example images in data/images

• 目录下有两张示例图片，可以进行检测
  python detect.py --source data/images --weights yolov3.pt --conf 0.25
  

3. 最终的结果存放在runs/detect目录中
   
   
   尝试去检测一张和steel defect有关的图片，看一看这个模型的性能怎么样。结果如下：
   
   啥也没测出来。很好。

配置环境需要注意的点

• pytroch的安装
• 深度学习环境搭建
• Anaconda常用方法