yolov3-pytorch训练全过程（未完待续）

原创

已于 2022-02-17 10:40:15 修改 · 2.8k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#yolov3-pytorch

于 2019-12-19 16:45:55 首次发布

本文档详细介绍了使用PyTorch训练YOLOv3模型的整个过程，包括环境配置、数据集准备、代码修改、权重下载及模型训练。首先，列出所需的软件版本，如CUDA 9.0、CUDNN 7.1.2等。接着，说明了如何创建数据集目录结构、分配训练和测试数据，并提取XML标注。之后，介绍了创建数据配置文件和类别名称文件，以及调整YOLOv3配置文件。最后，提供了权重下载链接，并讲解了训练和测试的步骤，测试结果将保存在output文件夹内。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

准备工作：配环境、下载文件包

cuda 9.0
cudnn7.1.2
opencv-python 4.1.2.30
matplotlib 3.1.1
numpy 1.17.4
python 3.7.5
pytorch 1.3.1
tpdm 4.40.2
pytorch最简单的安装教程
文件包地址：https://github.com/ultralytics/yolov3
1、准备数据集
在data文件夹下建立四个文件夹，依次存放xml、图片、txt、标签

ImageSets中建立四个txt

2、主目录下建立makeTxt.py，用来按比例分配测试数据和训练数据。

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')

for i in list:
    name = total_xml[i][:-4

最低0.47元/天解锁文章