大家好，我是小p，今天給大家帶來一期用darknet版本YOLO V3訓練自己資料集的教程，希望大家喜歡。 歡迎加入物件檢測群813221712討論和交流，進群請看群公告！ 一、搭建環境 搭建環境和驗證環境是否已經正確配置已在YOLOV3實戰1中詳細介紹，請一定要先解決環境問題，有任何疑問，歡迎入群@或者求助其他小夥伴。 二、資料準備 總體簡介：YOLOV3 訓練訓練自己的資料集時你一共需要修改6個檔案，如表1所示： 表1 訓練需要準備的檔案列表

檔名	檔案路徑	檔案說明
makefile	darknet-master	編譯生成可執行程式的檔案，在其中指定是否使用GPU和Cuda，是否使用攝像頭、OpenCV等
train.txt	自定義	儲存訓練圖片的路徑，每一行為一張圖片的完整路徑，一般報找不到xx圖片的錯誤多半是本檔案格式不對
label資料夾	自定義	整個資料夾存放所有圖片的標註資訊，標註資訊用txt文件儲存，詳細資訊見下
.cfg檔案	darknet-master/cfg/	.cfg指定了網路的結構和其他超引數，有關cfg的詳細說明請關注YOLOV3實戰4或進群討論
.names檔案	自定義	該檔案中的內容指定了訓練的標籤，如：person,car等，一個標籤佔用一行，示例見：data/coco.names
.data檔案	自定義	該檔案中的內容指示了上述train.tx *.names和模型儲存的位置等，參考cfg/coco.data的內容

詳細修改： 1、修改makefile檔案，makefile檔案一共改4處。 ① 修改開始幾行的內容，如下圖所示 ，0表示否，1表示是，自己根據實際情況設定，建議使用GPU和CUDA GPU：是否使用GPU？ CUDNN：是否開啟CUDA加速？ OPENCV：是否使用OpenCV? OPENMP:是否使用攝像頭？ DEBUG:是否開啟除錯模式？ ②改運算的架構，自己顯示卡支援什麼架構可以自己查詢，按需修改，也可以使用預設值： ③更改NVCC值：23行處，NVCC=nvcc，改為你cuda路徑下的nvcc，實測也可以不改，因人而異。 ④改cuda路徑值：48行處，參考圖如下： 此處的路徑改為你安裝cuda的路徑，一般只需要把cuda換成cuda-9.0或者其他類似，如果安裝過程添加了軟連線，也可以不用修改 2、生成 train.txt

train.txt中的內容為：每一行代表一張訓練圖片的完整路徑，一定要注意一行只能是一張圖片哦，自己寫指令碼生成即可，python推薦函式os.listdir()遍歷一個資料夾的所有檔案，樣本示例如下圖所示： 3、製作標籤資料夾 總原則：每張訓練圖片生成一個以圖片名命名的txt標籤文件，假設有：1.jpg 2.jpg 3.jpg 三張訓練圖片 那你就需要生成1.txt 2.txt 3.txt 這三個標籤文件，同時train.txt中一定是3行內容。標籤文件示例如下圖： 其中每一行表示該圖片中一個矩形框的資訊。以第一行內容舉例： 第一列表示該矩形框中物件的類別索引號，這個類別索引號與.names中的順序有關，從上到下，索引號從0開始 第二列表示該矩形框的中心點的x座標值，第三列表示該矩形框的中心點的y座標值 第四列表示該矩形框的寬度值，第五列表示該矩形框的高度值 注意：第2-5列的值都是歸一化後的值，x和寬度值相對於圖片的寬歸一化，y和高度值相對圖片的高度歸一化 製作標籤文件的程式設計並不複雜，可以參考darknet-master/scripts/voc_label.py 進行簡單修改即可，自己設計也簡單 4、修改.cfg的內容（小重點，前期不難） 說明：作此修改之前強烈建議觀看我的另一期部落格對cfg檔案的說明，否則很多引數說不明白 以修改yolov3.cfg為例，建議備份，以免改錯！ 首先修改batch和subdivision的值，參考部落格按需修改 其次改yolo層前一層的卷積核數目★★★，一共改三處，注意是三處，少一處都不行！位置如圖所示： 三處的位置都是在yolo層的上一層描述的地方，具體修改的值根據你資料集的類別數確定，該值為： 3*（類別數+5），比如COCO有80類，則其值為：3*（80+5）=255，注意類別數不包含背景哦。 5、修改.names內容 其為標籤名稱，每一個標籤名稱佔一行，根據自己需要修改，示例圖如下： 6、修改.data內容 先看示例圖： classes=80 該值表示你資料集的類別數。 train 後面的內容 表示剛才你生成的train.txt的路徑 valid 後面的內容不管 names 後面的內容為剛才生成的.names的路徑 backup 後面的內容為儲存模型的路徑，注意這個路徑一定要存在，沒有資料夾則先新建 eval 後面的內容不關心 ‘#’ 後面的內容表示註釋

注意：標籤文件存放的路徑一定要和訓練圖片的路徑關聯，具體參考我原始碼註釋：data.c中fill_truth_detection函式的說明，一時半會解釋不清楚

二、開始訓練吧，騷年！ 訓練之前，由於更改了makefile的內容，先命令列：make clean 再make 訓練命令： ./darknet detector train <.data檔案路徑> <.cfg檔案路徑> <預訓練權重路徑，一般為darknet53.74什麼的那個，官網下載> -gpus 0,1，如： ./darknet detector train cfg/coco.data cfg/yolov3.cfg darknet53.** -gpus 0,1,2,3 -gpus後面指定所使用的GPU編號 如果不出意外，不，你不可能出意外，你已經踏上了YOLOV3 訓練自己檢測資料集的快船，Come on!老鐵 三、加群交流，重要的事情說三遍

敬請期待YOLOV3常見錯誤總結篇，碼字不易，且行且珍惜！