Windows7+GPU+VS2015配置YOLO V3+训练自己的数据集

一开始我电脑只安装了CUDA8.0，按照网上博主的方法更改配置文件出错了，如下：
CUDA已经装好了,如下图版本是8.0
opencv也在VS2015中配置好了，在我的电脑里的系统变量里已经配置好Debugx64。
可以运行一个简单的示例代码。没有问题。

下载好的darknet-master，下载地址是：https://github.com/AlexeyAB/darknet
我解压后放到了E盘目录下。
更改E:\darknet-master\build\darknet\目录下的darknet.vcxproj
将其中的CUDA 10.0 更改为CUDA 8.0，一共有两处，如图所示


然后用VS2015打开darknet.sln
哇塞！出错了耶！ 而且还不告诉我错在哪里。。。

真心求救！！这该怎么办！！

—2020.1.11更新–

最终的解决方案还是把CUDA升级成了10.1 打开就没问题鸟。好的正文现在开始。

环境配置

CUDA10.1安装

这一部分可以看我的另一篇文章
https://blog.csdn.net/bozki1995/article/details/103833062

opencv3.4安装

下载链接：
https://opencv.org/opencv-3-4/
下载好了以后配置好环境变量就好了。
然后新建一个空的C++项目，打开Reales x64的属性表配置VC++ 包含目录、库目录，以及打开链接器，编辑附加依赖项。

YOLO V3源码配置

下载地址：https://github.com/AlexeyAB/darknet#how-to-use

…\darknet-master\build\darknet下打开darknet.vcxproj，把里面CUDA的字段10.0改成10.1
然后就可以正常用VS2015打开darknet.sln了（注意改成release x64）打开属性管理器，视图->其他窗口->属性管理器

右击releasex64打开属性进行相关的配置，保证opencv配置正确
包含目录、库目录

附加依赖项

然后就启动生成darknet
生成成功后会生成darknet.exe文件

之后我们就可以用它进行数据的训练和测试啦。

注意把上面三个dll复制到\darknet-master\build\darknet\x64下

下载一个权重文件，测试一下搭建的环境是否成功
在github上下载作者训练好的模型，网址：https://github.com/AlexeyAB/darknet/blob/master/README.md
懒的话直接点这里下载https://pjreddie.com/media/files/yolov3.weights
下载后放在darknet-master\build\darknet\x64下，打开该目录，双击darknet_yolo_v3.cmd会出现以下结果，表明成功编译。

训练自己的数据集

这里默认我们的数据集已经是建立好了的VOC格式的数据集
1.划分训练集、验证集、测试集

import os
import random

trainval_percent = 0.8  # trainval数据集占所有数据的比例
train_percent = 0.8  # train数据集占trainval数据的比例
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)
num=len(total_xml)
list=range(num)
tv=int(num*trainval_percent)
tr=int(tv*train_percent)
trainval= random.sample(list,tv)
train=random.sample(trainval,tr)
ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')
for i  in list:
    name=total_xml[i][:-4]+'\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest .close()

2.将xml文件转化为txt文件

# -*- coding: utf-8 -*-
"""
Created on Tue Oct  2 11:42:13 2018
将本文件放到VOC2007目录下，然后就可以直接运行
需要修改的地方：
1. sets中替换为自己的数据集
2. classes中替换为自己的类别
3. 将本文件放到VOC2007目录下
4. 直接开始运行
"""
import xml.etree.ElementTree as ET
import pickle
import os
import shutil
from os import listdir, getcwd
from os.path import join
# sets = [('2007', 'train'), ('2007', 'val'), ('2007', 'test'),('2007', 'trainval')]  # 替换为自己的数据集
sets = [('2007', 'test')]
classes = ["xxx"]  # 修改为自己的类别
def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    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('E:/dongyb/yolov3-master/yolov3-master/data/VOCdevkit2007/VOC2007/Annotations/%s.xml' % (image_id))  # 将数据集放于当前目录下
    out_file = open('.../yolov3-master/data/labels/test2014/%s.txt' % (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'):
        print(image_id)
        A=obj.find('Difficult')
        if A==None:
            xml_name = image_id + '.xml'
            shutil.copy(os.path.join('VOC2007', 'Annotations', xml_name),
                        os.path.join('VOC2007', 'Annotations_gai', xml_name))
            #shutil.copy(in_file,'VOC2007/Annotations_gai/')
            break
        else:
            difficult = A.text
        # 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('VOC%s/labels/' % (year)):
       # os.makedirs('labels/train2014' % (year))
        os.makedirs('VOC%s/labels/' % (year))

    image_ids = open('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('.../yolov3-master/data/images/test2014/%s.jpg\n' % (image_id))
        convert_annotation(year, image_id)
    list_file.close()

# os.system("cat 2007_train.txt 2007_val.txt > train.txt")     #修改为自己的数据集用作训练

最后的样子是每个txt里面对应了bbox的信息

3. 新建train.txt
把训练图片的路径写在文件里面，每行一个路径，我比较喜欢把绝对路径写在里面
刚刚上面的代码也已经包含了自动写入train.txt（执行前先在myRoot\ImageSets\Main\下新建一个train.txt）

4.下载预训练权重
将darknet的预训练权重放入darknet-master\build\darknet\x64
链接：https://pan.baidu.com/s/1Gdo2gj1bggjUtW9CyYkIpQ 密码：x5ht
5.新建自己的cfg文件

建立自己的.cfg \ .names\ .data 文件
6.修改网络配置文件makefile
7.Win+R打开终端，cd进入darknet-master\build\darknet\x64路径，下面命令开始训练：

darknet.exe detector train data/obj.data yolo-obj.cfg darknet53.conv.74

训练时，每训练100轮，都会生成一个权重文件在build\darknet\x64\backup\ 下，文件名例如：yolo-obj_100.weights（后面的100是训练100轮是的权重）。

如果训练的时候IOU出现全是-nan(ind)，这应该是你的数据集有问题了，仔细检查下图片或txt文件的路径有没有写对或放对。可以在labels下放置图片标签txt文件