安装darknet已经数据集的训练过程

在linux上安装darknet的过程非常简单，使用命令行

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

即可安装成功，安装成功后，cd darknet的文件目录下，修改一下Makefile配置文件（因为要使用GPU加速）

make

这样的话，darknet已经安装好了。

在训练darknet之前，由于数据集的不同以及使用的网络不同，需要修改一下配置文件。

1. 生成路径

找到/darknet目录下的cifar文件夹（cd cifar）
生成路径文件：
find pwd/train -name *.jpg > train.list
find pwd/test -name *.jpg > test.list
cd ../..

2.修改cifar.data文件

在cfg目录下找到cifar.data文件
将其中的配置修改为：
classes=3
train = /mnt/sda3/hanrui/data/3-class/train.list
valid = /mnt/sda3/hanrui/data/3-class/test.list
labels = /mnt/sda3/hanrui/data/3-class/labels.txt
backup = backup/
top = 2
classes=3：数据集有3个不同的类
train = …：在哪里可以找到培训文件列表
valid = …：在哪里可以找到验证文件列表
labels = …：在哪里可以找到可能的类列表
backup = …：在培训期间保存备份权重文件的位置
top = 2：在测试时计算top-n准确度（除了top-1之外）
修改完后进行保存，退出

3.修改darknet-7.cfg文件（训练需要的神经网络就是这个文件，可以根据自己训练的网络不同自行修改）

将最后一个卷积层的filters修改为3（因为我们是3分类）

上述配置好以后，我们就可以训练数据了
./darknet classifier train cfg/cifar.data cfg/darknet-7.cfg
数据集训练较大，可以放在后台数据中进行进行处理，使用
tail -f nohup.out
查看数据集训练情况。

• 389698： 指示当前训练的迭代次数
• 0.007090： 是总体的Loss(损失）
• 0.021730 avg： 是平均Loss，这个数值应该越低越好，一般来说，一旦这个数值低于0.060730 avg就可以终止训练了。
• 0.32741 rate：代表当前的学习率，是在.cfg文件中定义的。
• 627072 images： 表示到目前为止，参与训练的图片的总量。