攻略YOLO（2）——为自己的数据集打上标签，提前设置好

这就需要安装好python后，在自己的电脑上下载lableImg

安装参考：LabelImg（目标检测标注工具）的安装与使用教程-优快云博客

首先，确保python 和pip都加入了环境变量，包括自己的用户和全局的环境变量：

我这边的python的地址是：“E:\python”   ；pip的地址一般是“E:\python\Scripts”

在搜索栏搜索高级系统设置，进入后进入下面的环境变量

 双击进去，新建，然后输入好地址保存就可以了

接下来就来到了win+r，输入cmd，然后安装一下setuptool 和 wheel

pip install setuptools wheel

再输入命令安装好lableImg

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

很不幸。。报错了，。不太明白这个是什么意思，搜索看一看 

经过我一番尝试，又是安装pyqt5又是安装sip什么的（但是我不知道这些包是干嘛的啊？？）最后还是失败了，只能使用最粗暴的办法了， 它说要MS的visual c++，好，那我就安装！！！安装Pyqt5报错：ERROR: Failed building wheel for PyQt5-sip-优快云博客

静候好运。 

————————————更新————————————————

成功了呵呵呵呵，可以进行下一步了。。

 直接输入软件的名称就可以打开啦。

ctrl+r选择保存的目录，这边给出我的目录树

到时候label好后的文件就放在Annotations里面，要训练的文件就放在JPFGImages文件里面。 

接下来就可以打label了。

——————————————————更新，如果你的python是3.9的更高版本，要重新开启虚拟环境，采用python 3.9来进行labelimg，不然会报错——————————————

具体步骤就是安装好anacoda，然后使用命令：

conda create-n labelimg python=3.9

进入labelimg的虚拟环境：

conda activate labelimg

重新安装一下labelimg

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

然后运行软件：

 就ok。

——————————————以下仅做一个记录，不涉及教程————————————————————————————

python 文件的参考：darknet yolov3v3 Colaboratory_readnetfromdarknet安卓-优快云博客

其中，config.names 保存的是样本种类的名称，

voc_labe.py也需要更改名称，改成自己想要的名称。

运行voc_labe.py（这一步会生成三个必要文件）。

config.data中要更改classes 的个数等

———————————————————视频笔记—————————————————— 

做完这些就可以到下载好的yolo文件夹里更改cfg文件了 

 训练的batch，subdivision 需要更改

步长设置为10000步

class这边是需要自己修改了（注意每一个都改完），卷积核（filter）也可以修改 成18【暂时不太理解】

然后进入cmd，运行命令，将YOLO下的anchor都改成cmd下的。

.\darknet.exe detector calc_anchors data/config.data -num_of_clusters 6 -width 416 -height 416

权重文件也要找到合适的（视频里作者给了一个），进入cmd运行一下

 .\darknet.exe partial cfg/yolov3-tiny.cfg weights/yolov3-tiny.weights weights/yolov3-tiny.conv.15 15

到这个位置文件就配置好了。 

本地GPU训练就继续跟着这个视频看下去，记得改一下前三行，用GPU训练都全改为 1，用cpu就改为0。

————————————————————备份———————————————————— 

 找到了一个很好的博客，基本上手把手教了，后面跟着这个学一下。

基于树莓派4B的YOLOv5-Lite目标检测的移植与部署（含训练教程）-优快云博客