Darknet笔记

 单GPU训练

darknet detector train *.data *.cfg *.weights -i 0

多GPU训练

darknet detector train *.data *.cfg *weights -gpus 0,1,2,3

 

对象位置转化代码

void translate(int width,int height,int x_min,int y_min,int x_max,int y_max)
{
	float w_scale = 1.0f / width;
	float h_scale = 1.0f / height;
	
	float x_center = (x_min + x_max) / 2.0f - 1.0f;
	float y_center = (y_min + y_max) / 2.0f - 1.0f;
	float width_scale = x_max - x_min;
	float height_scale = y_max - y_min;
	
	x_center *= w_scale;
	y_center *= h_scale;
	width_scale *= w_scale;
	height_scale *= h_scale;
}

 

*.data文件

1. classes  = 类别数量
2. train = 训练集txt文件路径
3. valid = 验证集txt文件路径
4. names = 保存类别名称的txt文件路径
5. backup = 权重文件保存路径

*.names文件

1. 每行一个类别名称

图片名称.txt

1. 要和图片放在同一目录下
2. 格式为  ->   类别索引 归一化中心点x 归一化中心点y 归一化宽度 归一化高度
3. 多少个对象就有多少行

*.cfg文件

1. 测试的时候设置 batch = 1   subdivisions = 1
2. 训练的时候设置 batch = 64 subdivisions = 32,subdivisions越小需要显存越大
3. momentum动量和decay权重衰减是学习率相关
4. saturation饱和度 exposure曝光度 hue色调是训练图片相关
5. max_batches次迭代前学习率不使用策略
6. random 多尺度训练
7. policy 学习率策略
8. steps 学习率变动步长
9. 注意修改每一个yolo层的类别数量为自己模型的类别数量
10. 注意修改每一个yolo层的上一个conv层的 filters = 3 * (classes + 5)