目标检测——Yolov3（复现方法说明）
本文不涉及对Yolov3的理解，仅讲解如何跑通程序。
针对开源项目PyTorch-YOLOv3，适合新手看
环境：Win10+CUDA10.0+python3.6（后来因为另一个项目重装了CUDA10.2也能跑）
原来的实现是在Linux环境，搬到win10有一些问题。不过问题不大。
下面按照作者的说明顺序来讲解。过程中需要下载的大文件我放在了百度网盘，需要的同学可以自取。提取码在文末。
安装
clone and install requirements
git clone https://github.com/eriklindernoren/PyTorch-YOLOv3
首先很多人win10的命令行窗口没有git指令，两种方法，要么直接download下来，要么自己装一个git for windows，建议后者，因为同时还能下载到bash等指令，都会常用的。
cd PyTorch-YOLOv3/
pip install -r requirements.txt
win10下不需要sudo，也不用pip3。
安装requirements里的东西时可能因为网络波动一片红，出现那种情况就一步一步的pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xxx（使用国内源）。每个库的版本，还有点说法的，主要是TensorFlow的版本影响比较大（1.x和2.x版本差的挺多）。最终的环境配置是这样的。
框起来的是版本比较重要的，当然并不是说其他的版本不可以。实际上并不是所有的库都用到了，大家在配环境的时候就按着教程来，不需要把我列出来的都一一对应。
Download pretrained weights
预训练权重的下载，有了它就可以直接检测啦（只能检测数据集中有的类别）。
cd weights/
bash download_weights.sh
这里的bash指令就体现出刚刚装git的方便性了。不过看一下.sh文件中的内容，三句wget -c ...的下载指令，这个win10也是没有的，下载安装一下GNU wget，按照方法一步步来就行。
装好了之后，可以继续执行bash指令，也可以把那三句wget依次执行。下载好权重得到的是这样的文件结构
Download COCO
数据集的下载，使用的COCO数据集是常用于目标分类的数据集。
cd data/
bash get_coco_dataset.sh
和刚刚的过程类似，看一下内部的代码。可以直接执行指令，如果中途出错，可能是网络波动导致下载失败或者win10没有这个指令等。新手建议按下面的讲解一步步来，也方便理解。
# Clone COCO API
git clone https://github.com/pdollar/coco
cd coco
mkdir images
cd images
# Download Images
wget -c https://pjreddie.com/media/files/train2014.zip
wget -c https://pjreddie.com/media/files/val2014.zip
# Unzip
unzip -q train2014.zip
unzip -q val2014.zip
cd ..
# Download COCO Metadata
wget -c https://pjreddie.com/media/files/instances_train-val2014.zip
wget -c https://pjreddie.com/media/files/coco/5k.part
wget -c https://pjreddie.com/media/files/coco/trainvalno5k.part
wget -c https://pjreddie.com/media/files/coco/labels.tgz
tar xzf labels.tgz
unzip -q instances_train-val2014.zip
# Set Up Image Lists
paste <(awk "{print \"$PWD\"}" <5k.part) 5k.part | tr -d '\t' > 5k.txt
paste <(awk "{print \"$PWD\"}" <trainvalno5k.part) trainvalno5k.part | tr -d '\t' > trainvalno5k.txt
依次来看，首先下载coco项目文件，这个没啥，如果嫌他下载慢的话可以先把git项目导入gitee再clone，或者之间download，注意coco文件夹最终应该在data目录下，且名字一定要是coco。
然后mkdir是linux下创建目录的指令，我们直接在coco目录下新建文件夹images，这个文件夹是用来放训练集和验证集的。然后紧接着两个wget下载指令就是分别下载训练集和验证集，两个压缩包都很大，下载很久，不方便下载的同学可以用我开头放的百度网盘链接。下载完之后要解压，大家可以直接用解压软件一键解压。
接下来返回了coco目录，四个wget又在下载，这回是一些标签数据，Metadata。不再多说，下载完解压，针对不同格式的压缩包用了两种解压指令，都可以直接用解压软件。
最后两个指令需要注意下，他们是来提取训练集和验证集的信息的（路径、文件名）。我没找到win10对应的解决方法，后来参考在COCO 数据集上训练YOLOv3模型和在Windows中安装Ubuntu子系统。hhh还有这种操作是我没想到的。
进去后cd到刚刚的coco目录，执行两句paste即可。但是有个问题，这里得到的信息格式是在ubuntu下的路径格式，要改成win10下的路径，因为都是txt文件，很容易用替换功能编辑一下。最终是这样的：
这样下载任务就大功告成了。
测试
这是在COCO数据集上做评估
python test.py --weights_path weights/yolov3.weights
检测
直观地对图片做检测。可以直接检测自己的图片。
python detect.py --image_folder data/samples/
训练
自己体验训练的过程
python train.py --data_config config/coco.data --pretrained_weights weights/darknet53.conv.74
终端信息闪太快就不放图了，放一张GPU开始工作的图。
以上就是基本的调程序过程，后面有时间会针对Yolov3的理解，训练自己的检测器等再另外写博客。
提取码：6tvr。点个赞呗。