深度学习|计算机视觉 环境配置-数据集制作-常用网络模型训练流程原理总结-常见bug 一站式教程(Ubuntu系统)

二. 分步细节

2.1 环境配置

2.1.1 安装网卡驱动

程序‘vim’已包含在下列软件包中

2.1.2 安装 N 卡驱动

【防雷版】Ubuntu16.04安装显卡驱动

2.1.3 创建 conda 环境

1. 从https://github.com/ayooshkathuria/pytorch-yolo-v3使用git命令或者下载成压缩包
2. 使用conda info --envs命令查看当前conda创建的环境
3. 使用conda create --name yolov3 python=3.5创建环境，指定Python版本为3.5；
4. 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
5. conda install -c menpo opencv命令安装opencv
6. 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

labelImg图像标注工具的详细使用
安装：

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

COCO训练 GitHub教程

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）

1. Yolo v2
   【yolo v2】训练自己数据集
2. 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
3. Yolo v4
   (L)YOLOv4细节拆解
4. 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

1. 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)
2. Yolo v3
   测试yolov3时报错：cuda error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0’ failed.

---

持续更新