基于 Ubuntu 16.04 从零开始配置深度学习主机（五）--Darknet配置与训练

今年年初，Darknet团队发布了YOLO v3版本，在Ubuntu下的配置非常便捷，关于Darknet的配置，之前报错的时候在GitHub上问过作者，OpenCV3.4.1存在bug，并不能编译成功Darknet，建议退回到3.4.0版本，之前我是用CUDA8.0+CUDNN7.0.1+OpenCV3.3.1配置成功的，现在我用CUDA9.0+CUDNN7.3.0+OpenCV3.4.0也配置成功了。在此记录下配置和训练过程。

配置

1. 下载源码并编译

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

2. 修改Makefile文件，配置OPENCV\CUDNN\GPU

GPU=1
CUDNN=1
OPENCV=1
OPENMP=0
DEBUG=0

3. 重新编译

make

训练

1. 下载权重文件并测试

wget https://pjreddie.com/media/files/yolov3.weights
./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

2. 下载预训练模型放在/darknet根目录下

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

3. 文件结构

     -darknet/mydata #数据集路径
      -Annotations #存放注释文件
      -JPEGImages　#存放原始图片
      -ImageSets
          -Layout
          -Main　#存放trian.txt 和val.txt
          -Segmentation

4. 运行脚本生成包含训练集、验证集、测试集名称的.txt文件
5. 修改.cfg 网络结构文件
   下图是今年四月份我第一次开始训练的时候报错，在Github上提问作者时，作者的回复。
   
6. 修改.data 配置文件
   voc-18.data # 指定分类数量；训练图片和验证图片的路径；分类名称；权重保存路径。
   
7. 修改.names分类名称文件
   因为我只有一类，所以我只写了person。这里一定要与标签中的对应，不能多不能少，否则训练报错。
   
8. 运行自带的voc_label.py脚本生成用于训练的.txt文件
9. 训练

./darknet detector train mydata/voc-18.data mydata/yolov3-voc-18.cfg 

训练过程如图所示：