LINUX OPENCV PYTHON YOLOV3预测 WINDOWS训练

        数据集做好了以后，现在就要训练了，第一次因为没训练过看 都是GPU，我就VMWARE高了一下，废了很多的电费，发现几个小时过去了，训练了20次，果断半夜起来关了，NLP和GPU那么多大公司用GPU，太吃硬件了，体会到了，硬件加速的重要性

       1.虚拟机： vmware14+ubuntu16.04 

       2.darknet ：github 原版    AB版主要是WINDOWS训练

       3 训练权重：darknet53.conv.74 这个需要下载

       3.vs2015 社区版 注册就能用，不过安装过程4个小时，不知道为啥还是ISO的版，反正很少用 vs，

       linux训练和windows训练主要流程是一样的：

       LINUX版：

       1.复制一个darknet中的yolov3.cfg文件改成自己的XX.CFG，主要是修改几部分：

                 1.注释掉test部分变成自己train部分

                 2. 修改每一个yolo模块的前一个卷积的 fitter: 变成自己的# 3*(classnum+5)-> 3*(10+5) =45,yolov3是 COCO 80 80 种 一共是255.

                 3.修改 classes =10 之前的是coco 的80类 

      2.cfg下面的xxx.data文件，网络训练的时候 知道的配置文件的位置

                classes= 10
                train  = /home/flaty/darknet/train.txt
                valid  = /home/flaty/darknet/2019_test.txt
               names =  /home/flaty/darknet/data/nwpu.names
               backup = backup

         3. data下面的xxx.names文件，修改变成自己的类文件，这个不影响训练，影响训练测试，lable默认的就去显示别的了detect.c文件里面有 args的处理 

        4. 修改 Makefile文件，主要就是:

               GPU=0            GPU执行训练或者测试
              CUDNN=0       GPU对应的并行处理支持
              OPENCV=0    这个我测试了一下，没有不影响训练，但是测试的时候不能显示窗体，目前没发现其他的作用，还有就是可以显示loss曲线，
              OPENMP=0   CPU并行计算    
              DEBUG=0

     ./darknet detector test cfg/xxx.data cfg/yolov3-xxx.cfg backup/darknet53.conv.74      训练走起               

我虚拟机除了CPU啥也没有，我没有单独安装OPENCV库就没有选择，DETECT.C需要阅读一下，知道各个参数，怎么回事以及便于出现错误的时候，可以初步的判断哪的问题，CFG文件的尺度，激活函数，损失函数等等问题，需要精雕细琢去学校理解的后续继续研究。虚拟机下基本上1个小时1次吧，，，，这个没100次会生成一个权重。

     windos 版：

       对于能够实现目标的预测，看windows也可以训练，就放心了，不然就放弃了，下载了AD版的darknetMaster,CUDA,CUDNN,OPENCV，着急得到数据集，就看了这个大神的，把linux下的复制过来 cfg data 权重文件弄过来就可以了

         环境： CUDA 10.1   CUDNN 7.6 OPENCV3.4.0 （这个是必须的） vs2015

        初步打开这个工程，里面乱的和“屎粑粑”一样，就是很多测试过的cfg,data,names文件很多很多。还有MAKEFILE文件，但是大神已经把这个工程弄好了VS的，包括CUDA,OPENCV的环境变量都好了，节省了很多的时间，

       第1步，opencv解压到C盘底下名称改为c:\opencv_3.0里面 这原因就是工程里面的环境变量是这个路径，免得该工程了

       第2步，安装CUDA CUDNN，这部分很多的文章是9.1 的 其实 这个地方关键的是 CUDA CUDNN GTX的显卡驱动必须是一个版本的，我们自己的电脑驱动 360早已经不断更新最新的了，我第一次用9.1发现 提示:CUDA: 参数错误。下载了最新的10.1就好了，CUDNN根据官网对应的是7.6的 FOR WIN7版，nvida下载速度还是可以的，比windows狗强太多了，CUDA默认安装好了以后，需要CUDNN的对应文件放到CUDA的 lib,include,bin，这部分还是为了满足 大神的工程。

       第3步，进入build里面修改 一个vs工程配置文件vxproj的东西，主要是要修改cuda,之前的是9.1 搜索改为10.1,我还修改了一个地方，compute_61,sm_61 算力参数，我的是1060显卡是这个。

       第4步， 打开darknet.sln，进入vs ,这个过程中，vs会根据安装环境生成项目，这个过程或许会下载更新一些模块，主要是大神用的小版本号和我们可能有区别吧，完成这个以后，就可以生成darknet.exe了

       其他步骤和linux 一样，cfg,data,权重复制过来，包括数据集，放到对应的目录，这时候需要修改data和train.txt里面的文件，是因为文件系统不一样 绝对路径步一样，改成自己的就可以了。还有一个重点 数据集的 图片和lables里面的txt文件 要放在一个路径下面了，抽时间看一下detect.c这个文件 windows下最好路径都写成绝对路径 不然会出现找不到的问题，我遇到了。

      训练中出现了 cuda:memory out的问题  主要就是cfg文件 里面batch 是64 sub是16，这样的话，显存训练到300多的时候就扛不住了，随着尺度的变换，溢出了， 半夜起来上厕所 发现停了，就赶紧度娘找问题，明白了，一次加载64个图片，分成16次算，然后合并，还是太大了，我就把SUB 变成64了，发现好了，就开始训练了，这个可以输出loss曲线图，如下：

LOSS曲线

        

      期初的时候 每一轮训练后的 AVG -LOSS 比较大，随着训练基本下来了，我这次训练了34000次，发现 出现很多NAN的时候，就停止了，测试了一下 2000的weigths的最理想，后面基本就飞了，不在收敛了，0.5左右就不收敛了，抽时间再训练一下，

 测试了 在之前的OPENCV.DNN下也是可以用的，还不错。