A1871160的博客

考点分析1，图片的预处理2，数据标准化3，图片和预测框的加载4，预测框个数的加载5，权重的加载与判断6，神经网络的构建7，数据的划分8，定义损失函数，和loss9，对训练集和测试集进行训练10，tensorboard查看，（也可以叫训练过程保存，和模型保存）11，权重的保存 其实真的没什么要说的，因为考的太简单， 考点列举： 1，图片的预处理 考的地方是utils.py文件中的 2，数据标准化 在utils.py文件中，对图片数据进行了处理 3，图片和预测框的加载 在train.py文件中读取了图片的

yolov3预测自己的数据集对预测所用到的程序进行理解传统方法修改后的预测方法有趣的是__pycache__ 对预测所用到的程序进行理解 yolov3进行图片，或者视频的预测主要的是调用yolo.py文件，从而进行视频或者图片的预测，yolo.py文件中generate方法可以加载权重，传入神经网络，对打框的颜色进行划分，会调用model.py中的yolo_eval.py方法,还对电脑的gpu数量进行了判断，等等。 而yolo.py中的detect_image方法会调用generate方法，而且它还调用了u

yolov3训练自己的数据集从图片和xml的保存，到训练可能的报错进行改进和防止报错 从图片和xml的保存，到训练 保存地址随便，但图片名，要和xml的命名对应。因为convert_to_txt.py文件是以xml的命名为切分，而voc_annotation.py文件是以convert_to_txt.py生成的文件来遍历生成文件。 下面是详细步骤： 1，图片保存 在convert_to_txt.py调整自己的路径，和生成文件的路径，自己记得就行， 然后运行。就生成了如下 然后执行voc_annotati

yolov3,结构介绍一级目录二级目录三级目录 一级目录 我们先要有一个大概的思路，然后再细细的了解，要注意每一个py文件中所包含的方法，每一个方法是做什么用的，不要从网上下了个类似的yolov3的文件就不知道怎么用了。 悄咪咪的说：有写网上yolov3和我说的一样但不同的是有些方法写到了不同的.py文件中去了，列如可以把utils中的letterbox_image方法写到yolo_video.py文件中去，所以要懂； 看图有了大体的框架，其他的.py文件都是围绕这几个.py文件为这几个py文件提供东西的