RCNN系列我是大概看過的，還寫過：RCNN系列，但是這種location和classification分開的思路，要達到實時的話我的硬件條件肯定是不可能的。YOLOV3我是在TX2上跑過的:YOLOV3-TX2跑起來,而且YOLO是有簡化版本的模型的，對于簡單應用應該是夠了。
因為以前跑過，整體的流程走下來還算比較順利，比起SSD來說，訓練時要修改的代碼也比較少，可能留給犯錯的概率就少一些。
我分以下幾個部分：

• 1. YOLO系列簡介。
• 2. 編譯環(huán)境準備。
• 3. 訓練配置。

1. YOLOV3系列簡介。

1.1:簡介。

• 作者：Joseph Redmon
• YOLO主頁：YOLO
• 作者github: https://github.com/pjreddie
• 模型簡介：You only look once (YOLO) is a state-of-the-art, real-time object detection system. On a Pascal Titan X it processes images at 30 FPS and has a mAP of 57.9% on COCO test-dev.

和其他模型的對比：(總結起來一句話：比它快的準確率沒有它高，準確率比它高的沒有他快)

1.2.YOLO原理。

論文我正在看，等我看完了再寫這一部分，但是因為這個模型的訓練和檢測框架都是端到端的，所以即使 不了解中間的細節(jié)也是可以訓練和檢測的。

2. 編譯環(huán)境準備。

相較于其他模型來說，darknet的編譯環(huán)境是最簡單的。因為他并沒有用時下比較流行的深度學習框架來寫，而是作者自己用C擼了一個框架:darknet。這個框架是用C和CUDA-C來寫的（這代碼能力就只有仰望的份了），所以裝了ubuntu系統(tǒng)裝好以后就可以用了，非常簡單。
如果需要(一般肯定是需要的)GPU加速的話，那么需要安裝NVIIDA的那一套東西（驅動，CUDA,CUDNN)，如果需要測試視頻和顯示視頻或者照片的話，那么需要安裝opencv。
所以是不是很簡單？
我自己的電腦是win10+ubuntu的雙系統(tǒng)。win10下darknet也是可以配置的，但是為了簡單和適應linux系統(tǒng)我這次還是選擇了ubuntu系統(tǒng)，中間安裝opencv的時候空間不夠了，我手賤想從win10下面分出來一點空間來給ubuntu的時候，出了岔子，ubunut系統(tǒng)崩掉了，一氣之下我把C盤清空了，兩個系統(tǒng)都重裝了。
裝系統(tǒng)的話就不多說了，win10下裝ubuntu的話大概以下幾個步驟：

• ①從win的系統(tǒng)盤右鍵壓縮出來50G(有的話可以再多點)的未分配的空間。（可能是綠色或者黑色的，不是很影響）
• ②制作ubuntu的u盤啟動盤，用軟碟通就可以，這個很簡單。
• ③重啟，進bios，從u盤啟動，順便把電腦的網(wǎng)斷了（拔掉網(wǎng)線或者關閉wifi），然后安裝，不要選擇安裝更新，并且自己分配空間，就從剛才從win10上壓縮的未分配空間來分配。
  然后基本就可以了，如果遇到什么問題，勤百度，這寫坑基本上都有。

至于安裝NVIDIA的那一套，網(wǎng)上也是有很多教程，我也是踩了很多坑，現(xiàn)在也無法截圖寫教程了，就不說了，這一套更新挺快的，并不是越新越好（越適合自己的項目），注意各個版本需要匹配。
opencv的編譯寫一下，因為我正在弄。

• ①安裝一些依賴環(huán)境：

sudo apt-get install build-essential 
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev 
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev 
sudo apt-get install –assume-yes libopencv-dev libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip 
sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev 

選擇的地方全部選擇yes，然后等待安裝完成就可以了。

• ② 下載opencv源碼，這個自己想辦法吧，網(wǎng)絡好的話還是比較快的。然后解壓。
• ③ 配置cmake編譯。

cd opencv-3.4.1       #解壓的文件
mkdir build           #創(chuàng)建build文件夾
cd build                #進入build文件夾
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D WITH_GTK=ON -D WITH_GTK_2_X=ON -D CUDA_NVCC_FLAGS="-D_FORCE_INLINES" ..
#配置cmake
sudo make        #編譯

編譯還是挺慢的，我跑了步回來還沒好，耐心等著就可以了。
然后

sudo make install      #這個sudo是必須的，要不會因為權限問題產(chǎn)生錯誤

這樣就可以了，有的教程寫這里需要添加動態(tài)連接什么的，我倒沒有這么做，就直接可以用了。

• ④測試。

mkdir opencv_cpp     #建立一個文件夾：
gedit lena.cpp      #建立測試文件
gedit CMakelist.txt　　#建立CMakeLists文件
cmake .      #編譯頭文件和源文件
make　　　#生成可執(zhí)行文件

CMakelist.txt 里面寫的是：

cmake_minimum_required(VERSION 2.8)
project( DisplayImage )
find_package( OpenCV REQUIRED )
add_executable( LENA lena.cpp )
target_link_libraries( LENA ${OpenCV_LIBS} )

cpp文件里寫的是：

#include <stdio.h>
 #include <opencv2/opencv.hpp> 
using namespace cv; 
int main(int argc, char** argv ) 
{ if ( argc != 2 ) 
{ printf("usage: DisplayImage.out <Image_Path>\n"); 
return -1; } 
Mat image; 
image = imread( argv[1], 1 ); 
if ( !image.data ) 
{ printf("No image data \n"); return -1; }
 namedWindow("Display Image", WINDOW_AUTOSIZE ); 
imshow("Display Image", image); 
waitKey(0); 
return 0; 
}

然后找一張照片命名lena.jpg，放到lena.cpp的同級目錄下。
最后執(zhí)行：
./LENA lena.jpg 看到顯示照片的話就說明沒有問題了。
c++版本的opencv這里就可以用了，但是沒有好用的編輯器，還是不如win下面VS寫起來好用。

3.訓練配置。

這里訓練使用VOC2007的數(shù)據(jù)格式，這個數(shù)據(jù)格式在前面的文章中已經(jīng)做了介紹：VOC制作數(shù)據(jù)集

VOC數(shù)據(jù)文件夾

XML標簽

里面包含了文件名，路徑，尺寸，通道以及標注的目標以及目標的位置和尺寸。
在JPEGImages文件夾里面是所有的原始照片。

照片

imageSets文件夾里面是我們分配的訓練集和驗證集的個數(shù)：這個我們可以用代碼來生成，代碼給在下面，改的別人的。這個代碼的主要作用就是生成main文件夾下的TXT文件。

import os  
import random  
  
trainval_percent = 1    # trainval數(shù)據(jù)集占所有數(shù)據(jù)的比例
train_percent = 0.9      # train數(shù)據(jù)集占trainval數(shù)據(jù)的比例
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)  
  
num=len(total_xml)  
list=range(num)  
tv=int(num*trainval_percent)  
tr=int(tv*train_percent)  
trainval= random.sample(list,tv)  
train=random.sample(trainval,tr)  
  
ftrainval = open('ImageSets/Main/trainval.txt', 'w')  
ftest = open('ImageSets/Main/test.txt', 'w')  
ftrain = open('ImageSets/Main/train.txt', 'w')  
fval = open('ImageSets/Main/val.txt', 'w')  
  
for i  in list:  
    name=total_xml[i][:-4]+'\n'  
    if i in trainval:  
        ftrainval.write(name)  
        if i in train:  
            ftrain.write(name)  
        else:  
            fval.write(name)  
    else:  
        ftest.write(name)  
  
ftrainval.close()  
ftrain.close()  
fval.close()  
ftest .close() 

好了，下面有幾個步驟：

3.1. 生成labels標簽和train文件地址索引。

VOC的格式就差不多是上面那些了，但是YOLO要求的標簽需要是歸一化以后的坐標以及尺寸，所以需要生成這樣的訓練標簽，以及，用哪些照片來訓練是需要把它們的目錄索引寫在文本文件中的。
參考代碼如下：

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

#sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]
sets=[('2007','train')]     
#修改成自己的訓練文件，我們只用了2007的train，所以這里這么改

#classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]

classes = ["DJI"]
#修改成自己的類別，我這里只有一類，所以這樣寫。
#classes=[str(i) for i in range(1)]

#這個函數(shù)就是為了獲得歸一化坐標的。
def convert(size, box):
   #print(size[0])
   dw = 1./size[0]
   dh = 1./size[1]
   x = (box[0] + box[1])/2.0
   y = (box[2] + box[3])/2.0
   w = box[1] - box[0]
   h = box[3] - box[2]
   x = x*dw
   w = w*dw
   y = y*dh
   h = h*dh
   return (x,y,w,h)

def convert_annotation(year, image_id):
   in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
   out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')
   tree=ET.parse(in_file)
   root = tree.getroot()
   size = root.find('size')
   w = int(size.find('width').text)
   h = int(size.find('height').text)

   for obj in root.iter('object'):
       difficult = obj.find('difficult').text
       cls = obj.find('name').text
       if cls not in classes or int(difficult) == 1:
           continue
       cls_id = classes.index(cls)
       xmlbox = obj.find('bndbox')
       b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
       bb = convert((w,h), b)
       out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

wd = getcwd()

for year, image_set in sets:
   print(year)
   print(image_set)
   if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):
       os.makedirs('VOCdevkit/VOC%s/labels/'%(year))
   image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
   list_file = open('%s_%s.txt'%(year, image_set), 'w')
   for image_id in image_ids:
       list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))
       convert_annotation(year, image_id)
   list_file.close()

這樣會在labels文件夾下面生成每個圖像的標注信息，我隨表找了一個，如下：

darknet根文件夾下面會生成2007_train.txt文件，這個文件里面寫的就是所有待訓練圖片的目錄信息，如圖：

3.2. 下載預訓練權重。

這個主要是卷積部分的預訓練權重，使用這個權重可以節(jié)省訓練時間，直接輸入這個命令下載，或者去darknet官網(wǎng)上下載都是可以的。
wget https://pjreddie.com/media/files/darknet53.conv.74

3.3. 修改cfg/voc.data

這個主要是使用VOC格式的數(shù)據(jù)進行訓練的時候的一些路徑設置：

classes= 1      #類別
train  =/home/zhxing/darknet/2007_train.txt   #訓練圖片路徑存儲的txt
valid  = /home/zhxing/darknet/2007_test.txt   #測試圖片路徑存儲的txt
names = data/voc.names      #voc.names，這個里面存的是名稱，下面修改
backup = backup     #存放訓練好的模型的位置，這個文件夾在darknet下自己新建一個就可以了

3.4. 新建backup文件夾。

3.5. 修改data/voc.names

就是把對應的名稱來修改，我是只有用一類，所以就這樣了，這里寫的其實和標注的時候那個data文件夾下的txt里面寫的是一樣的內容。

3.6. 修改cfg/yolov3-voc.cfg

最后是來修改這個文件，這個文件存的就是yolov3的網(wǎng)絡結構，darknet這個框架中cfg里面不同的配置文件對應著不同的網(wǎng)絡結構，用來訓練和檢測都是在cfg文件里進行定義的，所以這里我們是要做一些修改的。主要修改的部分是與類別相關的,還挺長的，我把需要修改的用中文注釋一下。

[net]
# Testing
#batch=1
#subdivisions=1
# 改成訓練模式，batch和subdivisions修改一下，這個關系到GPU內存是否夠用。
 Training   #訓練模式打開
 batch=32
 subdivisions=16
# 每次前向的圖片數(shù)目=batch/subdivisons
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

learning_rate=0.001
burn_in=1000
max_batches = 50200
policy=steps
steps=40000,45000
scales=.1,.1



[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky

# Downsample

[convolutional]
batch_normalize=1
filters=64
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=32
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

# Downsample

[convolutional]
batch_normalize=1
filters=128
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=64
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

# Downsample

[convolutional]
batch_normalize=1
filters=256
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear


[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

# Downsample

[convolutional]
batch_normalize=1
filters=512
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear


[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear


[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear


[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear


[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear


[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

# Downsample

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

######################

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[convolutional]
size=1
stride=1
pad=1
filters=18
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=1    #類別
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1    #是否關閉多尺度訓練

[route]
layers = -4

[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[upsample]
stride=2

[route]
layers = -1, 61



[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=512
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=512
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=512
activation=leaky

[convolutional]
size=1
stride=1
pad=1
filters=18    #  這里改成3×(類別+4+1)，這個看文章就是到是怎么回事了，是每個grid生成的向量的維數(shù)
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=1   #類別數(shù)
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1

[route]
layers = -4

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[upsample]
stride=2

[route]
layers = -1, 36



[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=256
activation=leaky

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=256
activation=leaky

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=256
activation=leaky

[convolutional]
size=1
stride=1
pad=1
filters=18     #修改，3×（類別+4+1）
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=1    #修改，類別
num=9
jitter=.3
ignore_thresh = .5    #閾值
truth_thresh = 1
random=1   #是否進行多尺度訓練

需要注意，修改cfg文件是不需要重新編譯源碼的，所以非常方便，可以根據(jù)自己的需求進行修改，需要修改的地方基本都在命名未[yolo]的結構下面，對照著改一下就可以了，下面就可以開始訓練了。

3.7. 開始訓練。

輸入以下命令，開始訓練。
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74
會進行權重加載然后訓練:

每一個batch結束之后,會顯示當前batch的損失和平均損失:

開頭為數(shù)字的那一行,意義分別是:
batch 總損失 平均損失 學習率 rate 消耗時間 使用圖片
默認的是每小于1000的時候每100個batch保存一次模型,大于1000的時候每10000個batch保存一次模型,這個可以根據(jù)自己的需求修改,代碼在examples/detector.c line 138:

            save_weights(net, buff);
        }
        if(i%1000==0 || (i < 1000 && i%100 == 0)){           
//需要修改保存模型的batch的話修改這里,我已經(jīng)改過了,大于1000的話每1000個batch存一次模型.
#ifdef GPU
            if(ngpus != 1) sync_nets(nets, ngpus, 0);
#endif
            char buff[256];
            sprintf(buff, "%s/%s_%d.weights", backup_directory, base, i);
            save_weights(net, buff);
        }
        free_data(train);
    }
#ifdef GPU

基本上就是這些了,訓練需要結束的話關掉終端就可以了(一般看損失降到差不多或者召回率比較高的時候),然后可以加載訓練好的模型來檢測。

3.8. 檢測.

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights 01.jpg
把weights文件和jpg文件換成自己的就可以了。

4. 其他。

基本的訓練流程就是這樣了，還有些其他的：比如如何批量測試保存圖片，測試保存視頻，保存loss信息等一些列問題，有的我已經(jīng)解決了，有的還沒有，這一篇太龐雜了，打算新開一篇了。
我自己做的無人機檢測，第一次搞的數(shù)據(jù)量感覺有點少，最后的結果也非常一般，這一次數(shù)據(jù)量擴充了5倍，剛剛標注完，所以重新走了一遍訓練的流程，順便記錄下來，希望一切順利！這一篇就到此結束了。