【无标题】

正常情况下，很多时候都是直接使用预训练模型进行训练

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

如果出现意外还可以继续使用.backup文件进行训练

./darknet detector train cfg/coco.data cfg/yolov3.cfg backup/yolov3.backup 

如果加上-clear 则模型会从初始状态开始

./darknet detector train cfg/coco.data cfg/yolov3.cfg backup/yolov3.backup -clear

初始指的是迭代次数学习率，具体可以看cfg文件里面的参数。

下面是一些常用的命令记录一下

./darknet detector test <data_cfg> <models_cfg> <weights> <test_file> [-thresh] [-out]
./darknet detector train <data_cfg> <models_cfg> <weights> [-thresh] [-gpu] [-gpus] [-clear]
./darknet detector valid <data_cfg> <models_cfg> <weights> [-out] [-thresh]
./darknet detector recall <data_cfg> <models_cfg> <weights> [-thresh]

'<>'必选项，’[ ]‘可选项
　　data_cfg：数据配置文件，eg：cfg/voc.data

models_cfg：模型配置文件，eg：cfg/yolov3-voc.cfg

weights：权重配置文件，eg：weights/yolov3.weights

test_file：测试文件，eg：//*/test.txt

-thresh：显示被检测物体中confidence大于等于 [-thresh] 的bounding-box，默认0.005

-out：输出文件名称，默认路径为results文件夹下，eg：-out “” //输出class_num个文件，文件名为class_name.txt；若不选择此选项，则默认输出文件名为comp4_det_test_“class_name”.txt

-i/-gpu：指定单个gpu，默认为0，eg：-gpu 2

-gpus：指定多个gpu，默认为0，eg：-gpus 0,1,2

后台运行

nohup ./darknet detector train  .data  .cfg .weights -map -clear -gpus 2,3 -dont_show &

nohup ./darknet detector train  .data  .cfg .weights -map -clear -gpus 2,3 -dont_show >>.out &