做者：ll_sunsmile
来源：CSDN
原文：https://blog.csdn.net/ll_master/article/details/81392013
版权声明：本文为博主原创文章，转载请附上博文连接！python
（一、二、3在test中出现，4在train中出现）git
改darknet下makefile文件参数，修改不成功。
解决：服务器配置有问题。检查cuda，cudnn，opencv这些版本是否兼容吧。。要是一直修改不成功，就去删darknet，从新作一遍。要出来结果，确定要付出代价的么。一遍不成功就再来一遍。反正我改了修也作了三遍。github
backup生成的权重文件不会用。傻里巴叽还用以前自带版本的权重，结果哭唧唧，生成一大堆车、马、人，根本不是本身须要的类别标签。
解决：固然使用本身生成的权重文件啦，backup下每次都有会新的迭代权重。bash
好不容易解决了前面两个，终于熬到检测这一步，奇怪的发现仍是什么都没有。
解决：检测语句有问题，细心的我特别去看了官网的检测语句。有两条等同的检测语句，咱们选择那条指明分类的语句。由于分类结果出不来，确定是没有找到分类文件呀。咱们给他指明，就清楚咯。
选择这种：服务器
./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_10000.weights data/1.jpg
不选择这种：dom
./darknet detect cfg/yolov3-voc.cfg backup/yolov3-voc_600.weights data/1.jpg
还有就是开始train的时候cuda out of memory等问题。
例如 ：ide
0 CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0’ failed.
缘由：gpu占用有问题，gpu所有占用，或内存不足时会出现此问题。
解决方案1：修改batch=1与subdivision=1，减小每次的输入量。
解决方案2：查看GPU占用，学习
nvidia-smi #查看GPU占用状况， kill －9 <pid> #-9,强制执行
标注本身的数据集。根据本身划分的类别用labelimg进行标注，保存后会生成与所标注图片文件名相同的xml文件。测试
下载官网yolov3工程.net
git clone https://github.com/pjreddie/darknet cd darknet cd darknet
修改配置文件
打开Makefile，修改编译选择。
make #保存，记住必定要make才能生效
修改完成后，在darknet目录下进行编译。
若是服务器配置没有问题，那么会成功，若是不成功的话就检查一下cuda，cudnn，opencv这些版本是否兼容的问题。
准备数据集，创建层级结构存储目录便于数据的管理。文件名称的命名也是为了之后方便修改配置文件。
Annotations中放全部的xml文件；JPEGImages中放全部的图片；Main中放train.txt和test.txt。
然而train.txt和test.txt是如何生成的呢？
生成python文件取出训练集和测试集的图片名称没有后缀名。
import os
from os import listdir, getcwd
from os.path import join
if __name__ == '__main__':
source_folder='/home/lll/darknet/voc/VOCdevkit/VOC2018/JPEGImages/'#地址是全部图片的保存地点
dest='/home/lll/darknet/voc/VOCdevkit/VOCClock/ImageSets/Main/train.txt' #保存train.txt的地址
dest2='/home/lll/darknet/voc/VOCdevkit/VOCClock/ImageSets/Main/test.txt' #保存val.txt的地址
file_list=os.listdir(source_folder) #赋值图片所在文件夹的文件列表
train_file=open(dest,'a') #打开文件
val_file=open(dest2,'a') #打开文件
for file_obj in file_list: #访问文件列表中的每个文件
file_path=os.path.join(source_folder,file_obj)
#file_path保存每个文件的完整路径
file_name,file_extend=os.path.splitext(file_obj)
#file_name 保存文件的名字，file_extend保存文件扩展名
file_num=int(file_name)
#把每个文件命str转换为 数字 int型 每一文件名字都是由四位数字组成的 如 0201 表明 201 高位补零
if(file_num<150): #保留149个文件用于训练
#print file_num
train_file.write(file_name+'\n') #用于训练前149个的图片路径保存在train.txt里面，结尾加回车换行
else :
val_file.write(file_name+'\n') #其他的文件保存在val.txt里面
train_file.close()#关闭文件
val_file.close()
下载和修改voc_label.py（这个文件就说明了为何一开始创建层级目录，由于能够避免不少路径的修改呀）
下载：
wget https://pjreddie.com/media/files/voc_label.py
修改：
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
#根据本身的须要修改，只要先后路径对应就行。
sets=[('2018', 'train'), ('2018', 'test')]
#个人类是5个(＾Ｕ＾)ノ~ＹＯ
classes = ["m", "s","l","xl","xxl"]
def convert(size, box):
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:
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()
执行voc_label.py：
python voc_label.py
在voc下生成了2018_train.txt 和 2018_test.txt，分别存放了训练集和测试集图片的路径。
ps：这里用到了以前main下的train和test文本文件，使得xml和jpg文件一一对应，而且生成最后的图片路径。
以后训练时候就能够根据图片路径和一些配置文件信息进行训练咯。
下载预训练模型
wget https://pjreddie.com/media/files/darknet53.conv.74
修改 cfg/voc.data
修改data/voc.names
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 标记的地方须要修改，classes是你的分类数，filters=3*（classes+5），random=0即关闭多尺度训练
具体每一个参数的意思，我会继续更新总结的。怎么调整参数，使得效果最佳，还要依靠人为经验。
开始训练：
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0,1,2,3
开始测试
./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_900.weights voc/VOCdevkit/VOC2018/test/169.jpg
测试权重用本身生成的backup下的，测试照片用本身测试集的。
但愿可爱的你也会出现本身想要的结果哦！！
还想解释一下训练过程当中出现的种种参数，那都是是个啥？来来来，看一看。
参考一下
原英文地址： https://timebutt.github.io/static/understanding-yolov2-training-output/
原中文翻译地址:https://blog.csdn.net/dcrmg/article/details/78565440
8个分组，所以有八个subdivision，每一个subdivision有八个照片
以上截图显示了全部训练图片的一个批次（batch），批次大小的划分根据咱们在 .配置cfg 文件中设置的subdivisions参数。修改的cfg 文件中 batch = 64 ，subdivision = 8，因此在训练输出中，训练迭代包含了8组，每组又包含了8张图片，跟设定的batch和subdivision的值一致。
• Region Avg IOU: 0.326577： 表示在当前subdivision内的图片的平均IOU，表明预测的矩形框和真实目标的交集与并集之比，这里是32.66%，这个模型须要进一步的训练。
Class: 0.742537： 标注物体分类的正确率，指望该值趋近于1。
Obj: 0.033966： 越接近1越好。
No Obj: 0.000793： 指望该值愈来愈小，但不为零。
Avg Recall: 0.12500： 是在recall/count中定义的，是当前模型在全部subdivision图片中检测出的正样本与实际的正样本的比值。在本例中，只有八分之一的正样本被正确的检测到。（和最开始初定的阈值有关系）
count: 8：count后的值是全部的当前subdivision图片（本例中一共8张）中包含正样本的图片的数量。在输出log中的其余行中，能够看到其余subdivision也有的只含有6或7个正样本，说明在subdivision中含有不含检测对象的图片。
9798： 指示当前训练的迭代次数
0.370096： 是整体的Loss(损失）
0.451929 avg： 是平均Loss，这个数值应该越低越好，通常来讲，一旦这个数值低于0.060730 avg就能够终止训练了。
0.001000 rate： 表明当前的学习率，是在.cfg文件中定义的。
3.300000 seconds： 表示当前批次训练花费的总时间。
627072 images： 这一行最后的这个数值是9798*64的大小，表示到目前为止，参与训练的图片的总量。
做者：ll_sunsmile
来源：CSDN
原文：https://blog.csdn.net/ll_master/article/details/81392013 版权声明：本文为博主原创文章，转载请附上博文连接！