Win10下 + YOLOv4训练VOC数据集成功！

Windows10 + YOLOv4训练VOC数据集

1、数据集准备

由于VOCdevkit数据集比较大，官网下载要很久，所有直接硬盘拷的，一般要放在D:\darknet\build\darknet\x64\data\voc文件夹下面，如下所示：

把voc_label.py文件放在同一个文件夹下（一般darknet会自带，在scripts文件夹下，复制过来就行，或者下载一个）。然后windows+r，cmd到D:\darknet\build\darknet\x64\data\voc文件夹下，运行命令python voc_label.py，之后就会生成下面几个文件，如图所示：

运行命令: type 2007_train.txt 2007_val.txt 2012_*.txt > train.txt
命令的作用就是将四个txt文件合并成一个txt文件（2007_test.txt 训练时不使用） ，所以会生成一个新的 train.txt 文件，文件大小就是前面四个文件的和，如图所示：

2、文件准备

可在darknet主目录新建一个文件夹专门用来存放新训练的处理文件，比如取名my_data。（训练自己数据集时，也可以在上面第一步时，把自己要训练的数据集也放到这个文件夹来处理，因为是标准数据集，那就不改了，就放那）。

2.1预训练权重文件准备

下载预训练权重文件yolov4.conv.137到该文件夹下，下载地址，如图所示：

2.2.names文件准备

.names保存检测类别名称。将源码里面data文件夹下voc.names文件，在my_data里面复制一份，（如果是自己的数据集，更改为my.names。将内容改为我们自己的检测类别。

2.3.data文件准备

.data保存相关文件路径。将源码里面cfg文件夹下voc.data文件，在my_data里面复制一份，更改为my.data。将对应部分修改

classes：需要检测的类型个数。

train：训练集里面的train.txt路径。（第一步生成的）

valid：验证集里面的valid.txt路径。（第一步生成的）

names：my.names的路径。

backup=backup/。

注意：路径错了，文件选错了，都报错。

2.4 .cfg文件准备

进入darknet/cfg目录下，复制yolov4-custom.cfg，名字改为yolov4-my.cfg，并打开该文件，进行下面的6处修改：

（1）yolov4-my.cfg文件第1-7行如下：
----------------------------------------------------------------
[net]
# Testing
#batch=1
#subdivisions=1
# Training
batch=64
subdivisions=16
----------------------------------------------------------------
注意：由于是进行训练，这里不需要修改。训练过程中可能出现CUDA out of memory的提示，可将这里的subdivisions增大，如32或64，但是数值越大耗时越长，因此需要权衡一下；或调小batch。

（2）yolov4-my.cfg文件第8-9行可将608修改为416：
----------------------------------------------------------------
width=416
height=416
----------------------------------------------------------------
注意：这里也可不改，如果原始的数值608可能会导致CUDA out of memory的提示，而且这里的数值必须是32的倍数，这里也是数值越大耗时越长；

如果不是标准数据集。还要进行一下修改：
（3）第20行的参数max_batches原始值为500500，（如果不是标准数据集也要修改，max_batches = classes*2000，但是max_batches不要低于训练的图片张数）

（4）第22行的参数steps=（）,（），这两个数值分别为max_batches的80%和90%；

（5）继续修改yolov4-cat.cfg文件，按Ctrl+F键，搜索“classes”，一共有3处，先定位到第一处，将classes=80改为classes=自己的，并将classes前面最近的filters修改为自己的（计算由来filters=（classes+5）*3）；

（6）继续修改yolov4-cat.cfg文件，按照上面的步骤同样修改第二处和第三处的classes；

3、训练模型

cmd到darknet目录下运行：

darknet.exe detector train my_data/my.data my_data/yolov4_my.cfg my_data/yolov4.conv.137 

**注意：**上面代码可用绝对路径，不容易出错。