linux阿里云服务器上部署YOLOv4并训练crowedhuman数据集（小白）

---

前言

尝试用阿里云服务器简单的训练一下Crowed human数据集，记录中间遇到的问题和麻烦。本人云服务器小白，高深的不会，就会一点基础的东西。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、服务器的选用

使用阿里云服务器，简单的步骤为：
1、进入阿里云官网：阿里云
2、注册用户（新用户有一个可以免费体验7天的云服务器活动，可以省点钱）
3、进入ECS弹性计算，选择所需要的配置和镜像

4、网络与安全组这一栏就按自己的需要配置，我就是直接用的默认
5、系统配置

使用的是自定义密码，记住账号和密码
6、配置完成，交钱开通
大概就是这个样子：
然后就是远程连接，可以在网页上连接也可以用Xshell5来连接，安装包稍后我放到百度网盘上，是免费版的比较好用

二、服务器配置

1.配置darknet版的yolov4

在上文中，购买的实例包含：cuda和cudnn，只需要配置一下opencv和darknet框架就可以。
远程连接后进入服务器终端：

1.1从源代码配置opencv

文章：配置opencv
下面的步骤就是根据上文来的，为了方便，我就直接复制到这里了。
1、安装必备的包
cmake，gcc用来编译安装包

sudo apt-get install cmake
sudo apt-get install gcc g++

支持python的版本
python2

sudo apt-get install python-dev python-numpy

python3

sudo apt-get install python3-dev python3-numpy

接下来安装相应的相机支持和媒体支持等

sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

支持gtk2：
sudo apt-get install libgtk2.0-dev

支持gtk3：
sudo apt-get install libgtk-3-dev

安装可依赖项：

sudo apt-get install libpng-dev
sudo apt-get install libjpeg-dev
sudo apt-get install libopenexr-dev
sudo apt-get install libtiff-dev
sudo apt-get install libwebp-dev

下载opencv的代码：
GitHub：opencv
(建议用码云，在服务器上下载速度快)gitee:

$ sudo apt-get install git
$ git clone https://github.com/opencv/opencv.git

下载好后进入opencv文件夹
创建build文件夹

mkdir build
cd build

进入build文件夹后，cmake一下构建文件夹执行，然后用make构建文件，最后sudo make install 安装

cmake ../
make
sudo make install

最后用

import cv2 as cv
print(cv.__version__)

试试看看是否安装成功

1.2配置darknet版的YOLOv4

YOLOv4的代码地址：YOLOv4
还是建议大家用gitee，阿里云服务器下载github还是有些慢。
配置的步骤请大家参考：YOLOv4训练自己的数据集
在这里就不过多赘述了。

2.数据集的准备与上传

1、crowedhuman数据集下载地址：
数据集
图像标注文件 .objt

2、数据转换的代码请参考这位博主的文章，亲测好用：
文件格式转换
3、将数据上传到阿里云服务器上
这步很费事，我参考了很多方法，最终选择了用：WinSCP软件传输数据，我这里有安装包，需要的话我发给大家。


上面是界面图，下面是安装包内的文件，安装很简单，这里就不多说了，用的话就在Hostname 上填公网IP，然后就是创建服务器实例时的账号和密码。登录上后 就可以实现本地与服务器之间的数据传递。9个多G的数据基本上半小时之内就传完了，还是很快的。
4、然后就按照上面连接中的教程对数据集进行训练啦

训练速度刚刚的，建议用Xshell 5连接服务器，比较稳定，不容易断开连接，现在已经训练了快30000次了，ap大概是83.4多。

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。