一舔涎。 windows GPU 版本的 darknet 環(huán)境

環(huán)境：（基本都是按照github上的要求的來的，之前試過沒按照上面的版本來逗爹，失敗了亡嫌，不掙扎了~ ）

1. VS2015 ?? community 免費的社區(qū)版本，這個裝在哪個位置隨意掘而。

2.? CUDA9.1 cudnn7.1 ?? 使用默認安裝位置（CUDA安裝在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1挟冠，cudnn解壓出來直接覆蓋該目錄）。CUDA安裝過程中黑屏沒關(guān)系袍睡，只是小小的黑一下而已知染。

3. opencv3.4.0 ? 將opencv-3.4.0-vc14_vc15.exe解壓出來，C盤建個名為“opencv_3.0”的目錄斑胜，然后把解壓出來的東西扔進去控淡，目錄結(jié)構(gòu)如下（C:\opencv_3.0\opencv\build）

4. darknet windows版本：github路徑：https://github.com/AlexeyAB/darknet（下載的時候是2018.10.7）

二。 在VS2015上編譯DEMO

1.? 打開 darknet-master\build\darknet\darknet.sln? 這個是GPU版本的（darknet_no_gpu.sln 這個是CPU版本的止潘，如果只跑前向掺炭，用這個完全沒問題，如果要訓練凭戴，還是GPU版本的吧涧狮，CPU版本的實在是太慢了！）

2. 如下圖么夫，打開后者冤，右擊選中部分，點重新生成档痪，如果是按照我上面的流程安裝的環(huán)境涉枫，應該不要修改配置就能直接使用。darknet-master\build\darknet\x64? 中會生成 darknet.exe

VS2015 darknet GPU工程

三钞它。 訓練自己的數(shù)據(jù)集

1.? 搜集訓練樣本（不使用開源數(shù)據(jù)集）

使用網(wǎng)絡(luò)爬蟲拜银，爬取樣本圖片殊鞭。網(wǎng)絡(luò)爬蟲我?guī)缀跏切“祝蔷W(wǎng)上隨便找的一個比較快且穩(wěn)定的爬蟲腳本（原版在哪里暫時找不到了尼桶，找到了再加上去）操灿，總共爬了7W多張，可怕泵督。返十。没陡。

網(wǎng)絡(luò)爬蟲結(jié)果

2. 訓練的 yolo label 標注

標注工具是基于網(wǎng)上的一個版本改的唯沮，基于opencv（http://www.cnblogs.com/louyihang-loves-baiyan/p/4457462.html）咆蒿。

標樣本的時候，取了前1W張圖片秩冈，然后當標了幾百張的時候發(fā)現(xiàn)越來越多重復的圖片了本缠，最終，我只標了接近1000張圖片入问，實在是懶得標了~丹锹！

標注的代碼里面會將圖片縮放成固定大小，方便我去標芬失。

yolo的label格式是這樣的：類別下標(第幾個類別楣黍，從0開始) ? ? 中心點x坐標 ? 中心點y坐標 ? 目標寬度 ? 目標高度 ?? （后面4個值都是實際像素點值除以實際寬高的，也就是占比）

yolo label

每張圖片都對應一個label文件棱烂，比如圖片名字是1.jpg租漂，那么它的標注文件就是1.txt。

3. 準備訓練前的東西

1. 標簽名字文件：pikaqiu.names 里面每行存放著標簽的名字（該文件一般放在data目錄颊糜，這里我訓練的是皮卡丘檢測哩治，所以就一個標簽）

標簽名字

2. data文件（一般放在cfg目錄）：如圖，從上到下分別為類別數(shù)量芭析，訓練集位置锚扎，測試集位置吞瞪，標簽名字文件馁启，模型備份路徑

data文件

3. ?訓練集（pikaqiu_train.txt）和測試集（pikaqiu_test.txt ）位置文件：存放圖片的位置，在當前目錄芍秆，每張圖片都會有對應的label文件：

訓練集

圖片和對應的label文件

4. 網(wǎng)絡(luò)配置文件（再cfg/yolov3-voc.cfg的基礎(chǔ)上改的）：

訓練的超參數(shù)

batch：batchSize數(shù)惯疙，每batch個樣本更新一次參數(shù)。

subdivisions：如果內(nèi)存不夠大妖啥，將batch分割為subdivisions個子batch霉颠，每個子batch的大小為batch/subdivisions。在darknet代碼中荆虱，會將batch/subdivisions命名為batch蒿偎。

width：網(wǎng)絡(luò)輸入的寬度 ? height：網(wǎng)絡(luò)輸入的高度 ? channels：網(wǎng)絡(luò)輸入的通道數(shù)

momentum：動量

decay：權(quán)重衰減正則項朽们，防止過擬合

angle：通過旋轉(zhuǎn)角度來生成更多訓練樣本

saturation ：通過調(diào)整飽和度來生成更多訓練樣本

exposure ：通過調(diào)整曝光量來生成更多訓練樣本

hue：通過調(diào)整色調(diào)來生成更多訓練樣本

learning_rate：初始學習率

max_batches：訓練達到max_batches后停止學習

policy：調(diào)整學習率的policy，有如下policy：CONSTANT, STEP, EXP, POLY, STEPS, SIG, RANDOM

steps：根據(jù)batch_num調(diào)整學習率

scales：學習率變化的比例诉位，累計相乘

anchors：預選框骑脱，可以手工挑選，也可以通過k means 從訓練樣本中學出

num：預選框的個數(shù)苍糠，即anchors總數(shù)

mask：當前屬于第幾個預選框

classes：網(wǎng)絡(luò)需要識別的物體種類數(shù)（這里我要訓的模型只有一個類別叁丧，所以填1）

jitter： 通過抖動增加噪聲來抑制過擬合

ignore_thresh：過濾閾值和truth_thresh待研究

random：設(shè)置為0，表示關(guān)閉多尺度訓練（顯存小可以設(shè)置0）

yolo層前面的卷積層的filters數(shù)目是怎么計算的：3x(classes+5)岳瞭，和聚類數(shù)目分布有關(guān)拥娄。如果想修改默認anchors數(shù)值，使用k-means即可瞳筏。

4. 訓練及測試

直接從頭開始訓練（開始loss比較大稚瘾，慢慢來，會降下去的）：build\darknet\x64\darknet.exe detector train .\cfg\pikaiqiu.data .\cfg\yolov3_pikaqiu.cfg

訓練的過程中backup目錄里面每到一定迭代次數(shù)姚炕，會有模型參數(shù)文件保存下來（比如yolov3_pikaqiu_1000.weights）孟抗。

基于前面訓練的模型繼續(xù)訓：build\darknet\x64\darknet.exe detector train .\cfg\pikaiqiu.data .\cfg\yolov3_pikaqiu.cfg backup\yolov3_pikaqiu_2500.weights

用生成的模型測試圖片：build\darknet\x64\darknet.exe detector test .\cfg\pikaiqiu.data .\cfg\yolov3_pikaqiu.cfg backup\yolov3_pikaqiu_19800.weights

測試模型

用生成的模型測試視頻：build\darknet\x64\darknet.exe detector demo .\cfg\pikaiqiu.data .\cfg\yolov3_pikaqiu.cfg backup\yolov3_pikaqiu_19800.weights -i 0 -thresh 0.25 pikaqiu2.mp4

5. anchors說明：

配置文件里面的9個anchor寬高，實際使用的時候是根據(jù)訓練的樣本钻心，通過k-means算法計算出來的點凄硼，上面圖片中用的默認的配置點，不是計算的捷沸，因為當時做這個的時候我還不懂a(chǎn)nchor摊沉，哈哈。k-mean的原理說明可以參考：https://blog.csdn.net/hrsstudy/article/details/71173305 痒给，生成anchor的腳本用的https://github.com/AlexeyAB/darknet/blob/master/scripts/gen_anchors.py 這個腳本说墨，這個腳本用在YOLOV3上有個BUG，write_anchors_to_file函數(shù)中anchors[i][0]*=width_in_cfg_file/32.

anchors[i][1]*=height_in_cfg_file/32. 這兩行“/32”是不對的苍柏，yolov2才這么用尼斧，yolov3的anchor值是基于網(wǎng)絡(luò)輸入分辨率的，而不是基于feature map试吁，所以要把 /32 去掉就OK了棺棵。

以上所有用到的東西（爬蟲腳本spider_baidu_pic.py，label標注代碼mark_tool.cpp熄捍，opencv, vs2015, cuda9.1 CUDNN7.1烛恤， darknet windows 2018.10.7版本，皮卡丘檢測所有用到的文件和樣本余耽，label缚柏， 訓練出來的模型）我全部存在了網(wǎng)盤里備份，需要的可以下載試試：

鏈接：https://pan.baidu.com/s/10h8j5OWbdle-Pm2sopLlKw 密碼：olxl

第一次寫博客碟贾，記錄自己的學習過程币喧，備份轨域，強化記憶，寫的不好大家見諒杀餐。