YOLO V3 学习笔记 （三）训练自己的数据 darknet文件中的修改

这里要训练一下自己的数据，这里介绍了除了数据集之外的操作。

1.生成darknet.exe

之前训练数据生成darknet.exe文件的时候都会把之前配置opencv、CUDA的那些什么库目录什么的全都加上，后来发现 没必要 。Visual studio中，darknet.sln文件的各项属性及其配置如下。
选择 ** Release 64*
配置下述包含目录等是右击下图中蓝色的那行 darknet，选择属性。图中的代码不用在意。

包含目录
库目录

附加依赖项
之后依然是右击darknet选择生成，等待生成darknet.exe.
总结

• 上述相当于在darknet.sln中附加上opencv的相关内容
• opencv之所以这样命名，是因为在darknet.vcxproj中看到了这种代码所以安装opencv时选择了图中文件名字及位置

2.下载相关权重文件

从这个网址下载darknet53.conv.74文件 https://github.com/AlexeyAB/darknet#how-to-train-pascal-voc-data

下载好之后将该文件放在\darknet-master\build\darknet\x64文件夹下。这个文件是用自己的数据进行训练所必须的。

从 https://github.com/AlexeyAB/darknet#pre-trained-models 里下载yolov3.weights文件，之后将文件放置在\darknet-master\build\darknet\x64目录下， 这个时候就可以双击该目录下的 darknet_yolov3.cmd文件检验一下效果了。

3.修改相关文件

1）yolo-obj.cfg

从 darknet-master\build\darknet\x64\cfg目录下复制yolov3.cfg到\darknet-master\build\darknet\x64目录下，重命名为yolo-obj.cfg，这个文件可以用记事本打开，我用的Notepad++，并做如下修改

1. 要先用于训练，所以注释掉”Testing”之后的两行，保留”Training”下面的两行。
2. batch设为64，意为一个批次处理64张图片，每处理这样一个批次会更新一次参数，也就是64个样本会更新一次参数，也可以设为32、16等，但不能为1 ，否则无法收敛
3. subdivisions设为64，意为将一个批次划分为64份，一份一份的送入训练器中进行处理，减轻GPU压力。也可以设为32、16等，但一定要小于或等于batch值，并不能同时为1，否则无法收敛
4. max_batches 为最大迭代次数，推荐为训练类别的2000倍
5. 推荐 steps设为max_batches的 80% 和 90% ，这个是学习率发生变化时的迭代次数
6. 将文件中所有的 classes改为所要训练数据的类别数，共有三处，可用记事本–编辑-替换 功能替换
7. 将每个[yolo]层上的filters=255改为filters=(classes + 5)x3，不是改为这行式子，是改为算出来的这个数值，共有3处
8. 如果担心电脑带不动，可以将random=0，关闭多尺度训练

2）obj.names

在build\darknet\x64\data\目录下新建obj.names文件，可以新建一个记事本文件再更改后缀及名字，里面依次输入训练的类别名，一个类别一行

3）obj.data

和上面同一目录下，新建obj.data文件，内容参考下图

backup指示的是训练生成权重文件会放置的文件夹