Ubuntu18.04+YOLOv3配置

YOLO是也是深度学习的一种，它的特点就是速度非常快。YOLO的安装比较简单，参考官网的安装步骤：https://pjreddie.com/darknet/yolo/

• 基本过程

1.  下载darknet，也就是YOLO

git clone https://github.com/pjreddie/darknet
cd darknet
make

    2. 下载权重文件

wget https://pjreddie.com/media/files/yolov3.weights

  下载好后，将yolov3.weights复制到darknet目录下。

    3. 检测测试

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

    执行结束后，会在darknet目录下生成一副图片，即为检测结果。

 

• 带CUDA和OpenCV

    关于CUDA和OpenCV的配置，需要重新编译，修改darknet/Makefile文件：

GPU=1
CUDNN=1
OPENCV=1

    重新编译：

make clean
make

•     遇到的问题以及解决办法：

问题1：

    ./darknet: error while loading shared libraries: libcudart.so.8.0:
    cannot open shared object file: No such file or directory

解决方法：

    libcudart.so.8.0 不能找到 在/etc/ld.so.conf.d 创建了一个cuda.conf
    文件，并加入/usr/local/cuda/lib64 内容，保存退出。 最后执行：sudo ldconfig 使文件生效

 

问题2：

    CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error:
    Assertion `0’ failed.

解决方法：
出现这问题的原因就是GPU内存不够大，解决方法就是减小内存的使用：
修改cfg/yolov3.cfg，修改如下：

[net]
# Testing
batch=1                    //取消注释
subdivisions=1            //取消注释
# Training                
# batch=64                //添加注释
# subdivisions=16        //添加注释
width=416                //适当减小width
height=416                //适当减小height

之后再运行，就不会出现问题了。

转自：https://blog.csdn.net/qq_36327203/article/details/84305303

• 训练自己的数据

1.将VOC数据集转换为YOLO数据集

只把.xml数据转换为.txt数据就可以。

2. 修改配置  

修改data/voc.names里面的类别为自己需要的类别名称
修改cfg/voc.data文件 classes= 20
train = 对应路径/train.txt
valid = 对应路径/test.txt
names = data/voc.names
backup = 对应路径/backup

3.修改yolov3-voc.cfg文件

[yolo]项前的[convolutional]中的filters数目要修改。
[yolo]项中的classes=1要修改成自己的分类数目。对应的random=0
A.filters数目是怎么计算的：3x(classes数目+5)，和聚类数目分布有关，论文中有说明；
B.如果想修改默认anchors数值，使用k-means即可；
C.如果显存很小，将random设置为0，关闭多尺度训练；
E.前100次迭代loss较大，后面会很快收敛；

4.训练

模型下载:

wget https://pjreddie.com/media/files/darknet53.conv.74

训练代码:

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

如果出现错误：

darknet: ./src/cuda.c:36: check_error: Assertion `0' failed.

在命令行前面加上sudo，再执行。