本文档记录了使用Yolov4框架进行目标检测模型训练的过程。首先，配置了Ubuntu环境，安装cuda10.0、python3.7、torch1.5.0和torchvision 0.6.0。接着，参照数据集准备教程，并修改了yolov4-relu.cfg配置，将filters和classes值调整以匹配类别数。在训练阶段遇到并解决了TypeError问题，通过更改cfg文件避免了错误。由于显存限制，将batch_size从16降低到8。训练完成后，产生了best.pt和last.pt权重文件。最后，介绍了如何使用detect.py测试模型性能并获取评估指标。
使用代码 https://github.com/ultralytics/yolov3
配置 ubuntu cuda10.0 python3.7 torch1.5.0 torchvision 0.6.0
准备数据集，参考博客https://blog.youkuaiyun.com/sinat_27634939/article/details/89884011
修改yolov4-relu.cfg配置，
filters=255 修改为 （class数目 + 4 +1） × 3 = 21，
注意是yolo层之前的conv层，共三个地方。
以及yolo层的classes修改为自己的类别数，也是三个地方。
训练
根据自己的需要修改train.py的一些参数配置，比如说epoch、cfg、data、weight、device，修改好以后就可以开始训练了。
运行train.py报错
TypeError: not all arguments converted during string formatting
找了半天没找出来是哪里错了，后来把cfg/yolov4-relu.cfg改为’cfg/yolov4.cfg’就没有错误了。(记得改filter classes)
不知道是啥原因…
开始batch_size设置为16，在2080Ti上运行
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
