yolo用不了gpu训练

转载

mob6454cc61df1e 2024-08-02 08:19:58

文章标签 yolo用不了gpu训练 YOLO 训练编译配置 文章分类 游戏开发

YOLOV3的编译及训练（Windows10）

1.所用的环境

win10系统

VS2015

CUDA8.0/CUDA9.0（都有试过）

CUDNN6.0

OpenCV3.3

2.开始编译YOLO

1.下载darknet文件

https://github.com/AlexeyAB/darknet 2.打开文件中的darknet.vcxproj（用记事本打开）

对其中几处进行修改，

第一个就是CUDA的版本，将CUDA9.1改成CUDA8.0/9.0，在记事本中点编辑可以进行全部替换，挺省事的；

yolo用不了gpu训练_配置_02

第二个就是修改OpenCV的路径（根据自己的路径修改），不用都修改的（VS中配置哪个修改哪个），建议修改release x64，最开始用的是Debug，不过后来报错不会改用了release x64就可以。

yolo用不了gpu训练_YOLO_03

3.由于我之前配置过VS2013，这里提醒一下用VS2013的需要修改一下darknet.sln中对应的版本，当然我们用VS2015就不用修改啦

4.打开darknet.sln，刚开始我可以打开-no gpu版本的，不过打不开darknet.sln也就是带GPU的，这是因为GPU没有配置好（配置之后一定要验证），或者就是忘了选解决方案release x64，在release上配置CUDA和OPENCV，在debug上当然不好用（当然配置debug就选debug）。

5.编译上面说的darknet.sln,如果生成成功，那么基本就完事了，如果缺少某个库文件就会报错，所以在配置CUDA和OpenCV一定要仔细。

3.测试结果

1.去官网下载yolov3.weights（放在…\darknet\build\darknet\x64下）

https://pjreddie.com/media/files/yolov3.weights 2.点击win+R输入CMD打开终端，切换到…\darknet\build\darknet\x64这个路径下

3.输入检测图片的命令

darknet.exe detector test data/coco.data yolov3.cfg yolov3.weights dog.jpg

这样可以直接显示一张图片

yolo用不了gpu训练_训练_04

4.不仅可以检测图片，还可以开启摄像头进行检测和检测视频（不能保存，需要保存可能要改部分代码）

摄像头命令：darknet.exe detector demo data\coco.data yolov3.cfg weights\yolov3.weights

视频命令：.\darknet detector demo cfg\coco.data cfg\yolov3.cfg yolov3.weights test.avi（test.avi类似视频放在x64路径下面）

5.还有个比较有意思的可以使用手机摄像头，给一个链接写的很好，感兴趣照着做就可以：

到这里就已经调通Yolo了，下面就来说明如何训练以用来实际应用。

4.YOLO的训练

1.当然是选择数据集了，我训练的是栅栏，没有相关数据集所以自己制作了一个数据集，大概搜集了100张图片，放在新建文件夹（fence_image）中,然后将其放在D:\darknet-master\build\darknet\x64\data下面

2.标注图片，我用的是YOLO_mark(yolo自带的标注工具，当然也可以选用labeling)，

yolo_mark的使用教程参考此链接

标注以后是这样的，每张图片都生成一个对应txt文本

yolo用不了gpu训练_yolo用不了gpu训练_05

yolo用不了gpu训练_YOLO_06

第一个数字0代表类别，后四个代表目标的坐标，如果使用labeling标注要转换成txt格式。

3.在D:\darknet-master\build\darknet\x64下面新建一个fence.txt的空文本，然后将下面程序放在D:\darknet-master\build\darknet\x64\data下面并运行，

import glob
path = 'data/'
def generate_train(image_path, txt_file):
    with open(txt_file, 'w') as tf:
        for jpg_file in glob.glob(image_path + '*.jpg'):
            tf.write(jpg_file + '\n')
generate_train(path + 'fence_image/', path + 'fence.txt')

运行完成程序就可以看到fence.txt是这样的

yolo用不了gpu训练_YOLO_07