歷時4天，沐浴著22樓的陽光，圍著伺服器取暖，終於把權重檔案給訓練出來了，期間遇到一些問題，下面我會列舉，以免大家走太多彎路；然後伺服器配置還不正確，對於一個小白來說，簡直崩潰，又去網上找了大量教程，終於把cuda版本改成了9.0，GPU能用了，但是opencv還是不能用，一會再去調一下。

       先放最後的測試結果，訓練的是表的型別，一共有180張圖片（訓練集+測試集），有s,m,l,xl,xxl五種型別，這個是m的，由於部分原因，沒有訓練到最後（所以只生成了yolov3_10000.weight）

1.下載yolov3的工程

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

2.修改配置檔案

vi Makefile

GPU = 1 #如果想用GPU進行訓練

CUDNN = 1

OPENCV = 1

然後儲存，

make  #記住一定要make才能生效

如果伺服器配置都是好的，那基本會成功，不成功的話就檢查一下cuda，cudnn，opencv這些版本是否相容吧。

3.darknet裡面有一個scripts資料夾，在scripts裡面建一個VOCdevkit資料夾，然後在VOCdevkit裡面建一個VOC2007資料夾，然後在VOC2007裡面建三個資料夾，分別為Annotations，ImageSets，JPEGImages，然後在ImageSets裡面建一個

scripts
  --VOCdevkit
    --VOC2007
      --Annotations
      --ImageSets
        --Main
      --JPEGImages

Annotations中放所有的xml檔案；JPEGImages中放所有的圖片；Main中放train.txt和val.txt。

4.生成train.txt和val.txt

#這個小指令碼是用來開啟圖片檔案所在資料夾，把前149個用於訓練的圖片的名稱儲存在train.txt，後31個用於驗證的圖片儲存在val.txt，這是一個python檔案，別忘記自己修改路徑，不能完全照搬，先看一下程式碼，修改好之後執行就會生成兩個txt

import os
from os import listdir, getcwd
from os.path import join
if __name__ == '__main__':
    source_folder='/home/lijintao/darknet/scripts/VOCdevkit/VOC2007/JPEGImages/'#地址是所有圖片的儲存地點
    dest='/home/lijintao/darknet/train.txt' #儲存train.txt的地址
    dest2='/home/lijintao/darknet/val.txt'  #儲存val.txt的地址
    file_list=os.listdir(source_folder)       #賦值圖片所在資料夾的檔案列表
    train_file=open(dest,'a')                 #開啟檔案
    val_file=open(dest2,'a')                  #開啟檔案
    for file_obj in file_list:                #訪問檔案列表中的每一個檔案
        file_path=os.path.join(source_folder,file_obj) 
        #file_path儲存每一個檔案的完整路徑
        file_name,file_extend=os.path.splitext(file_obj)
        #file_name 儲存檔案的名字，file_extend儲存副檔名
        file_num=int(file_name) 
        #把每一個檔案命str轉換為 數字 int型 每一檔名字都是由四位數字組成的  如 0201 代表 201     高位補零  
        if(file_num<150):                     #保留149個檔案用於訓練
            #print file_num
            train_file.write(file_name+'\n')  #用於訓練前149個的圖片路徑儲存在train.txt裡面，結尾加回車換行
        else :
            val_file.write(file_name+'\n')    #其餘的檔案儲存在val.txt裡面
    train_file.close()#關閉檔案
val_file.close()
 

5.修改voc_label.py

sets=[('2007', 'train'), ('2007', 'val')]
classes = ["s", "m", "l", "xl", "xxl"]
os.system("cat 2007_train.txt 2007_val.txt > train.txt")  #倒數第二行改成這樣，最後一行刪掉

6.執行voc_label.py

在scripts下生成了2007_train.txt 和 2007_val.txt，分別存放了訓練集和測試集圖片的路徑。

7.下載預訓練模型

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

8.修改cfg/voc.data

classes= 5 #classes為訓練樣本集的類別總數 
train  = /home/lijintao/darknet/scripts/2007_train.txt #train的路徑為訓練樣本集所在的路徑 
valid  = /home/lijintao/darknet/scripts/2007_val.txt #valid的路徑為驗證樣本集所在的路徑 
names = data/voc.names #names的路徑為data/voc.names檔案所在的路徑 
backup = backup

9.修改data/voc.names

s
m
l
xl
xxl
#這個根據自己需要修改

10.修改cfg/yolov3-voc.cfg

[net]
# Testing
# batch=1
# subdivisions=1
# Training
 batch=64            
 subdivisions=8    #---------------修改
......
[convolutional]
size=1
stride=1
pad=1
filters=30        #---------------修改
activation=linear
[yolo]
mask = 6,7,8
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=5        #---------------修改
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0            #---------------修改
......
[convolutional]
size=1
stride=1
pad=1
filters=30        #---------------修改
activation=linear

[yolo]
mask = 3,4,5
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=5        #---------------修改
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0        #---------------修改
......
[convolutional]
size=1
stride=1
pad=1
filters=30        #---------------修改
activation=linear

[yolo]
mask = 0,1,2
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=5        #---------------修改
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0        #---------------修改
標記的地方需要修改，classes是你的分類數，filters=3*（classes+5），random=0即關閉多尺度訓練

如果還不是很清楚，可以看一下這篇blog

11.開始訓練

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0,1,2,3

12.開始測試

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_10000.weights data/1.jpg

這樣就生成了一開始的圖片了。

這中間可能會遇到一些問題，要耐心分析並去網上多搜答案，我也是小白，如果有什麼錯誤，還望大佬們不吝指正，不說了，修理伺服器去了。