1. 下載YOLOv3工程項目

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

• 1
• 2

• 1
• 2

2. 修改Makefile配置，使用GPU訓練，修改如下：

GPU=1 #如果使用GPU設置為1，CPU設置為0 CUDNN=1 #如果使用CUDNN設置為1，否則為0 OPENCV=0 #如果調用攝像頭，還需要設置OPENCV為1，否則為0 OPENMP=0 #如果使用OPENMP設置為1，否則為0 DEBUG=0 #如果使用DEBUG設置為1，否則為0CC=gcc NVCC=/home/user/cuda-9.0/bin/nvcc #NVCC=nvcc 修改為自己的路徑 AR=ar ARFLAGS=rcs OPTS=-Ofast LDFLAGS= -lm -pthread COMMON= -Iinclude/ -Isrc/ CFLAGS=-Wall -Wno-unused-result -Wno-unknown-pragmas -Wfatal-errors -fPIC ... ifeq ($(GPU), 1) COMMON+= -DGPU -I/home/hebao/cuda-9.0/include/ #修改為自己的路徑 CFLAGS+= -DGPU LDFLAGS+= -L/home/hebao/cuda-9.0/lib64 -lcuda -lcudart -lcublas -lcurand #修改為自己的路徑 endif

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

保存完成后，在此路徑下執行make，如果出現如下錯誤：

Loadingweights from yolo.weights...Done! CUDA Error:invalid device function darknet: ./src/cuda.c:21: check_error: Assertion `0' failed. Aborted (core dumped)

• 1
• 2
• 3
• 4

• 1
• 2
• 3
• 4

這是因為配置文件Makefile中配置的GPU架構和本機GPU型號不一致導致的。更改前默認配置如下（不同版本可能有變）：

ARCH= -gencode arch=compute_30,code=sm_30 \-gencode arch=compute_35,code=sm_35 \-gencode arch=compute_50,code=[sm_50,compute_50] \-gencode arch=compute_52,code=[sm_52,compute_52] # -gencode arch=compute_20,code=[sm_20,sm_21] \ This one is deprecated? # This is what I use, uncomment if you know your arch and want to specify # ARCH= -gencode arch=compute_52,code=compute_52

• 1
• 2
• 3
• 4
• 5
• 6
• 7

• 1
• 2
• 3
• 4
• 5
• 6
• 7

CUDA官方說明文檔：http://docs.nvidia.com/cuda/cuda-compiler-driver-nvcc/index.html#virtual-architecture-feature-list

然后重新編譯即可：

3. 準備訓練數據集

按下列文件夾結構，將訓練數據集放到各個文件夾下面，生成4個訓練、測試和驗證txt文件列表
VOCdevkit
—VOC2007
——Annotations
——ImageSets
———Layout
———Main
———Segmentation
——JPEGImages
Annotations中是所有的xml文件
JPEGImages中是所有的訓練圖片
Main中是4個txt文件，其中test.txt是測試集，train.txt是訓練集，val.txt是驗證集，trainval.txt是訓練和驗證集。

3. 生成2007_train.txt和2007_val.txt文件

下載voc_label.py文件，將文件下載到VOCdevkit同級的路徑下，生成訓練和驗證的文件列表
wget https://pjreddie.com/media/files/voc_label.py

修改sets為訓練樣本集的名稱 sets=[('2007', 'train')] 修改classes為訓練樣本集的類標簽 classes=[str(i) for i in range(10)]

• 1
• 2
• 3
• 4

• 1
• 2
• 3
• 4

運行python voc_label.py，生成2007_train.txt訓練文件列表。

4.下載Imagenet上預先訓練的權重

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

• 1

• 1

5. 修改cfg/voc.data

classes= 10 #classes為訓練樣本集的類別總數 train = /home/user/darknet/2007_train.txt #train的路徑為訓練樣本集所在的路徑 valid = /home/user/darknet/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文件所在的路徑 backup = backup

• 1
• 2
• 3
• 4
• 5

• 1
• 2
• 3
• 4
• 5

6. 在darknet文件夾下面新建文件夾backup

7. 修改data/voc.name為樣本集的標簽名

0

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

• 1
• 2
• 3

8. 修改cfg/yolov3-voc.cfg

關于cfg修改，以10類目標檢測為例，主要有以下幾處調整（藍色標出）：

[net] # Testing ### 測試模式 # batch=1 # subdivisions=1 # Training ### 訓練模式，每次前向的圖片數目 = batch/subdivisions batch=64 subdivisions=16 width=416 ### 網絡的輸入寬、高、通道數 height=416 channels=3 momentum=0.9 ### 動量 decay=0.0005 ### 權重衰減 angle=0 saturation = 1.5 ### 飽和度 exposure = 1.5 ### 曝光度 hue=.1 ### 色調 learning_rate=0.001 ### 學習率 burn_in=1000 ### 學習率控制的參數 max_batches = 50200 ### 迭代次數 policy=steps ### 學習率策略 steps=40000,45000 ### 學習率變動步長 scales=.1,.1 ### 學習率變動因子 [convolutional] batch_normalize=1 ### BN filters=32 ### 卷積核數目 size=3 ### 卷積核尺寸 stride=1 ### 卷積核步長 pad=1 ### pad activation=leaky ### 激活函數......[convolutional] size=1 stride=1 pad=1 filters=45 #3*(10+4+1) 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=10 #類別 num=9 jitter=.3 ignore_thresh = .5 truth_thresh = 1 random=0 #1，如果顯存很小，將random設置為0，關閉多尺度訓練； ......[convolutional] size=1 stride=1 pad=1 filters=45 #3*(10+4+1) 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=10 #類別 num=9 jitter=.3 ignore_thresh = .5 truth_thresh = 1 random=0 #1，如果顯存很小，將random設置為0，關閉多尺度訓練； ......[convolutional] size=1 stride=1 pad=1 filters=45 #3*(10+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=10 #類別 num=9 jitter=.3 # 數據擴充的抖動操作 ignore_thresh = .5 #文章中的閾值1 truth_thresh = 1 #文章中的閾值2 random=0 #1，如果顯存很小，將random設置為0，關閉多尺度訓練；

總結

以上是生活随笔為你收集整理的yolov3项目工程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。