Mx_yolo本地模型训练+K210移植

最近简单学习使用了如何使用k210识别模型，记录一下自己的使用过程和踩过的坑。

一、所需软件

下载Mx_yolo：百度网盘链接 提取码: f8g9

下载Maixpy：下载链接、Kflash：下载链接

二、Mx_yolo安装和配置

打开打开mx_yolo安装路径，打开环境配置，找到使用前配置.exe。

1.安装python3.7

安装python3.7。若之前安装过其他python版本，请先将其卸载干净再安装。

2.安装依赖库

安装好python3.7后，点击安装python依赖库与预训练权重。若此步出现问题，大概率是存在其他版本的python未卸载干净。

3.安装CUDA和Cudnn

如果想使用电脑GPU进行训练，就进行这一步（建议电脑有显卡的同学都安装）

点击安装会跳转到\Mx-yolov3_EN_1.2\1.环境配置\data\CUDA+Cudnn，文件夹内有详细的安装说明，仔细观看即可。

三、训练模型

打开Mx_yolov3

1.检测环境是否安装好

以例程口罩的模型进行检测。点击 计算anchor，不出意外会报错，提示未安装numpy。（如果报错不是未安装numpy，请继续往下翻阅）

win+r，输入cmd，cmd中输入
pip install numpy==1.16.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

装好numpy库后，再次点击计算anchor，成功得到anchor值。

进行下一步，测试模型。点击右侧控制台开始训练

不出意外又会有报错，提示XXX未安装

打开\Mx-yolov3_EN_1.2\1.环境配置\data\pip.txt，里面写了每个库应该安装的版本（当初一个版本一个版本的试，因为库版本不符合无法运行，是血泪了😭）

imgaug==0.2.6
opencv-python==4.0.0.21
Pillow==6.2.0
requests==2.24.0
tqdm==4.48.2
sklearn==0.0
pytest-cov==2.10.0
codecov==2.1.8
matplotlib==3.0.3
Tensorflow==1.15.0
Tensorflow_gpu==1.15.0
pascal_voc_writer==0.1.4
PyQt5==5.15.0
numpy==1.16.2
keras==2.3.1
scikit-learn==0.22.2
seaborn==0.11.0
alive-progress==1.6.1
h5py==2.10.0
pyecharts==1.9.0
matplotlib==3.0.3

需要安装哪个库，就在cmd中输入
pip install 包名==版本号 -i https://pypi.tuna.tsinghua.edu.cn/simple

解决一个报错就点击一次训练模型，当模型能正常训练的时候，恭喜你！环境配置完成了！

2.采集图像、打标签

用手机对拍摄照片，每一个对象拍摄张数最好不少于50张。使用Mx_yolo训练，要先将照片转化为224*224大小。转换工具：\Mx-yolov3_EN_1.2\Image_tool\Image_tool.exe

转化完成后打标签，个人比较喜欢这个线上标注网站MakeSense：点击跳转

点击右下角Get Started，进入