yolov3之pytorch源码解析_win10 + Anaconda + yolov3 + pytorch (CPU版)
一、Anaconda安装与配置
推荐清华镜像站下载Windows版本，安装可参考官方文档(注意安装路径不要有中文)
安装时勾选将anaconda添加至系统环境变量中(官方文档第8步)
在cmd中输入conda -V，输出 conda x-x-x(x-x-x为版本号)即为安装成功
安装成功后将anaconda切换为清华源，具体步骤如下：
win + R 打开cmd,输入conda config --set show_channel_urls yes生效后可以在系统盘用户目录系下找到.condarc用记事本打开，用以下内容替换：
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
替换完成保存后，在cmd中输入conda config --show-sources会看到刚刚添加进去的内容，至此Anaconda安装配置完成
二、下载源代码安装依赖
下载源码：
git clone https://github.com/ultralytics/yolov3.git
创建并激活一个新环境：
conda create -n yolov3-pytorch python=3.7
conda activate yolov3-pytorch
安装依赖(建议一个一个安装，使用requirements.txt可能会出现找不到镜像的情况)：
//pytorch
conda install pytorch torchvision cpuonly -c pytorch
//opencv-python
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
//numpy
conda install numpy
//pillow
conda install pillow
//tqdm
conda install tqdm
//matplotlib
conda install matplotlib
三、将所需文件放置到对应文件夹(测试使用)
需要的文件有：
1.网络模型(.weight)yolov3-tiny.weight(提取码：m1c6)，放入./weight文件夹中
2.网络文件(.cfg)yolov3-tiny.cfg，./cfg文件夹中已存在
3.数据类别(.names)使用默认coco.names，共80类
4.测试图像 放在./data/samples/目录中
四、运行检测程序
打开根目录下的detect.py，160-174行为检测时的一些参数，测试时将下图红框位置更改为上步放入的文件
使用自己顺手的IDE运行，这里直接在cmd中运行：
//激活环境，并运行
conda activate yolov3-pytorch
python detec.py
输出如下结果：
识别的结果存储在.\yolov3\outpt中
到这里整个网络已经配置完成，此版本适用于没有GPU或者GPU性能不足以满足训练的机器，配置起来比较方便，可以进行模型的测试和学习代码使用