tf2-yolov3训练自己的数据集

tf2相比于tf1来说更加的友好，支持了Eager模式，代码和keras基本相同，所以代码也很简单，下面就如何用tf2-yolov3训练自己的数据集。
项目的代码包：链接: tf2-yolov3.需要自行下载
至于tf2-yolov3的原理可以参考这个链接，我觉得是讲的最好一个：链接: yolov3算法的一点理解.

1、配置相关的环境

我是在linux上跑的，linux上配环境比较简单，相关windows配环境可以看这个博客：
链接: tensorflow-gpu环境搭建超级详细博客.

2、使用官方权重进行预测

1、进入到目标文件夹内

cd yolo_tf2.1/

2、输入 python convert.py 生成tf可用的模型

输出的yolov3.tf 保存在checkpoint里面。
3、开始检测
1)检测照片：

python detect.py --image ./data/people.jpg

这样便是成功的

2)打开摄像头进行预测：

python detect_video.py --video 0

3) 对视频流进行预测

python detect_video.py --video test.mp4 --output ./test_output.avi

经过以上测试，表示这个代码包可以正常的使用了，就可以利用TensorFlow2-yolov3来进行检测了，下一步我们来介绍一下如何训练自己的数据集。

3、训练自己的模型文件，并且识别

1）建立数据集文件夹