第七届全国大学生工程训练大赛智能+赛道生活垃圾分类垃圾训练步骤（win10+yolov4-tiny）

目录

前言

1.安装cuda和cudnn11.1并配置

2.Yolov4-tiny垃圾训练步骤

---

前言

第七届全国大学生工程训练大赛结束也有一段日子了，成绩还不错，拿了个国一，在这里总结一下，垃圾桶上用的jetson nano4B，垃圾训练用的自己的win10电脑，当然也能在服务器上训练，这里我就详细介绍一下如何用自己的电脑+显卡进行训练，话不多说，开冲！

---

1.安装cuda和cudnn11.1并配置

参考：【NVIDIA】Win10 + CUDA10 + cuDNN 安装教程安装cuda和cudnn11.1

安装VS2019 及c++，python（有pycharm就不用装了，没有就装）。

下载darknet源代码（下载后我的将其放在了D盘myprojecet中）：

参考：yolov4-tiny文件下载

安装好OpenCV4.0以上的版本后配置环境变量（这是我的安装路径，实际情况请按自己的路径来配置）：

这样编写环境变量能节省字符空间。

安装完成后将这两个文件移动到darknet-master\build\darknet\x64中，

然后用记事本打开darknet.vcxproj查找替换中的CUDA版本为对应的版本（我的这里为11.1）

 

打开darknet-master\build\darknet\darknet.sln 点开属性（alt+enter）后第一步：

 第二步：添加包含库、库目录

 第三步：添加依赖

 第四步： CUDA C/C++选项中，修改device  compute值：

确定保存后运行生成，将生成后的yolo_cpp_dll.lib拷贝至darknet-master\build\darknet\x64目录下即可。

参考：Windows10下编译opencv以及yolov4、yolov4_cpp_dll.dll

2.Yolov4-tiny垃圾训练步骤

将图片和xml标签文件准备好

参考：使用yolov3训练自己的数据--详细过程及问题总结，（先看）

制作xml标签文件参考：为目标检测制作PASCAL VOC2007格式的数据集

我的步骤：图片准备用python摄像头拍照程序，拍完照片后重命名，用labelImg软件标注类别：

完成后将所有图片放入D:\Myproject\darknetmaster\build\darknet\x64\object\VOCdevkit\VOC2021\JPEGImages中

所有xml标签文件放入Annotations中。

（涉及这些文件等）

修改voc_label.py文件中的class类名称与要识别的垃圾名称对应

 

 修改yolov4-tiny-train.cfg和yolov4-tiny-test.cfg文件中的class变量和 filter=（class+5）*3变量（有两处）

修改coco.data文件中class变量与识别种类数量一致

修改coco.name文件中的识别名称与voc-label.py中的名称顺序一致（注意最后不要加回车）

 

WIN+R  打开命令行

D:      转到D盘

Cd : D:\Myproject\darknet-master\build\darknet\x64\object    转到工程路径（具体路径为自己下载好darknet的代码路径）

python Python txt.py 生成txt文件

python Python voc_label.py 生成labels训练文件（数量与xml标签文件一致）

Cd .. 转到上一级目录

Darknet detector train object/coco.data object/yolov4-tiny-train.cfg yolov4-tiny.conv.29开始训练