PyTorch-YOLOv3(eriklindernoren)训练教程

最新推荐文章于 2021-10-31 21:51:45 发布

OngoingDC

最新推荐文章于 2021-10-31 21:51:45 发布

阅读量4.2k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：目标检测

本文链接：https://blog.youkuaiyun.com/qq_32244493/article/details/109593595

笔记教程，方便自己回忆，纯小白，目前啥也不懂，只知道步骤
系统：Ubuntu 18.04

1、准备工作

1.1、克隆项目

为了防止文件夹混乱，自己在主目录下cd ~创建一个文件夹mkdir YOLOv3，专门用于存放关于YOLOv3的一些工作。
进入YOLOv3cd YOLOv3
克隆git clone https://github.com/eriklindernoren/PyTorch-YOLOv3

1.2、安装模块

创建虚拟环境conda create -n yolov3-pytorch python=3.6，之前安装的虚拟环境python版本为3.8，这个版本的python安装的tensorflow版本为2.0+，高版本的tensorflow对此版本到yolov3有许多不适配的地方，所以最好安装3.6版本到python.
激活虚拟环境并进入conda activate yolov3-pytorch
通过项目下面的 requirements.txt 安装项目需要的模块pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt，如果设置过了pip源，就直接使用pip3 install -r requirements.txt -i，否则下载速度会很慢。

pip国内的一些镜像:

阿里云 http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

豆瓣(douban) http://pypi.douban.com/simple/

清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

在这里插入图片描述

1.3、下载预训练权重

进入项目目录下，进入权重文件夹cd weights/
下载bash download_weights.sh。下载慢的话，可以直接将下面的链接通过迅雷下载或者IDM下载下来。

1.4、下载coco数据集

cd ..
cd data/
bash get_coco_dataset.sh

2、测试

进入test.py同级目录下
在COCO测试中评估模型python3 test.py --weights_path weights/yolov3.weights

3、预测

进入detect.py同级目录下
使用预训练的权重对图像进行预测python3 detect.py --image_folder data/samples/
输出结果可以在output看到

4、训练

train.py [-h] [--epochs EPOCHS] [--batch_size BATCH_SIZE]
              [--gradient_accumulations GRADIENT_ACCUMULATIONS]
              [--model_def MODEL_DEF] [--data_config DATA_CONFIG]
              [--pretrained_weights PRETRAINED_WEIGHTS] [--n_cpu N_CPU]
              [--img_size IMG_SIZE]
              [--checkpoint_interval CHECKPOINT_INTERVAL]
              [--evaluation_interval EVALUATION_INTERVAL]
              [--compute_map COMPUTE_MAP]
              [--multiscale_training MULTISCALE_TRAINING]

要使用在ImageNet上预训练的Darknet-53在COCO上进行训练，请运行（根据自己需求更改）：
```
python3 train.py --data_config config/coco.data  --pretrained_weights weights/darknet53.conv.74
```

4.1、遇到的问题

UserWarning: indexing with dtype torch.uint8 is now deprecated, please use a dtype torch.bool instead.

找到model.py
添加如下标记的两行代码

obj_mask = obj_mask.bool()  # convert int8 to bool
noobj_mask = noobj_mask.bool()  # convert int8 to bool

在这里插入图片描述

RuntimeError: CUDA out of memory. Tried to allocate 32.00 MiB (GPU 0; 7.79 GiB total capacity; 6.61 GiB already allocated; 29.38 MiB free; 94.51 MiB cached)

显存溢出，可更据电脑配置调整batch_size大小，默认为8，如下

parser.add_argument("--epochs", type=int, default=100, help="number of epochs")
parser.add_argument("--batch_size", type=int, default=8, help="size of each image batch")
parser.add_argument("--gradient_accumu