使用Yolo3在GPU上训练自己打标签的数据

2019年7月26日 下午5:59

项目文件夹

objectDetect

参考资料：

1. YOLOv3 训练自己的数据（附优化与问题总结） - lumingha的博客 - CSDN博客
   1. 从环境搭建、模型的使用、使用自己的训练数据训练、模型效果验证都做出了非常明确的操作说明::对以后其他模型的是有也有很强的借鉴意义::
   2. 这里面最关键是：使用自己的训练数据训练
2. YOLO3训练自己数据（超详细步骤） - lixiaoyu101的博客 - CSDN博客
3. ：—7—解决报错:/bin/sh: 1: nvcc: not found make: *** obj/convolutional_kernels.o Error 127 - 招财大龙猫 - 博客园
   1. NVCC = /usr/local/cuda/bin/nvcc
4. error “Base.hpp” header must be compiled as C++ - yunhuaikong的专栏 - CSDN博客

服务器训练指令：

1. 使用预训练参数开始训练：
   1. ./darknet detector train ../data_own/cfg/rock.data ../data_own/cfg/rock.cfg darknet53.conv.74
2. 终止训练，权重会保存在backup文件夹下。如果要从检查点停止并重新启动训练
   1. ./darknet detector train ../data_own/cfg/rock.data ../data_own/cfg/rock.cfg backup/rock.backup -gpus 0,1

本地运行的指令：

1. ./darknet detector test ../data_own/cfg/rock.data ../data_own/cfg/rock.cfg ./backup/rock_900.weights ../data_own/data/images/228.jpg
   1. 最后结果会保存在predictions.jpg
   2. ./backup/rock_900.weights::就是我们从服务器拉回来的训练好的模型::
2. 批量运行：
   1. /darknet detector test ../data_own/cfg/rock.data ../data_own/cfg/rock.cfg ./backup/rock_900.weights