文章目录
二. 分步细节
2.1 环境配置
2.1.1 安装网卡驱动
2.1.2 安装 N 卡驱动
2.1.3 创建 conda 环境
- 从https://github.com/ayooshkathuria/pytorch-yolo-v3使用git命令或者下载成压缩包
- 使用
conda info --envs
命令查看当前conda创建的环境 - 使用
conda create --name yolov3 python=3.5
创建环境,指定Python版本为3.5; - 在命令行中使用
source activate yolov3
命令激活刚才创建的YOLOv3环境,在环境中安装另外两项内容 conda install -c menpo opencv
命令安装opencv- 使用
conda install pytorch=0.4.1 cuda90 -c pytorch安装pytorch
,版本为0.4,使用其他版本运行时可能报错,安装过程缓慢可能需要切换不同的conda源尝试
2.2 数据集制作
2.2.1 LabelImg安装及使用
安装Python3.6或以上版本 教程
安装anaconda、labelImg及使用 教程
labelImg GitHub地址
labelImg使用(制作VOC数据集)
勾选Difficult表示难检测,xml文件中相应的< difficult >会标注为1否则为0
truncated = 1 表示目标框在边界附近
2.2.2 数据集制作
自己数据不需要划分测试集
2.2.2.1 VOC数据集
制作方式如上 讲解视频
2.2.2.2 COCO数据集
数据格式
数据集介绍博客 及视频
工具:pycocotools
读取标注文件、数据、对预测结果进行mAP计算
2.3 修改网络
2.3.1 YOLO系列
(L)从yolov1至yolov5的进阶之路(精讲)
(L)YOLO v1,v2,v3(精讲)
- Yolo v2
【yolo v2】训练自己数据集 - Yolo v3
【yolo v3】训练自己数据集1
(L/S)【yolo v3】训练自己数据集2
【yolo v3】训练自己数据集3
【yolo v3】训练自己数据集4
【yolo v3】训练自己数据集5(红细胞)
【yolo v3】训练自己数据集6)
【yolov3-tiny】训练自己数据集
YOLOv3使用笔记——修改backbone网络(fine-tuning)
YOLOv3训练时打印的日志解读 - Yolo v4
(L)YOLOv4细节拆解 - Yolo v5
【YOLO v5】训练自己的数据集1
【YOLO v5】训练自己的数据集2
三. bug合集
3.1 Yolo系列
- Yolo
运行yolo时,莫名出现cuda error的解决办法
[YOLO] darknet: ./src/cuda.c:36: check_error: Assertion `0’ failed. 已放弃 (核心已转储) - Yolo v3
测试yolov3时报错:cuda error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0’ failed.