哈哈，我們的效率還是很棒的，先自誇一下~廢話不多說，下面就是正宮娘娘：
接上次的部落格（yolo環境配好以後）

製作自己的資料集

首先就是製作資料集啦，我們是自己在校園裡面拍的共享單車，訓練集大概有兩三百張的樣子，還留了一小部分估計也有一百張的樣子做測試集。當然也有SAMA的部落格直接給了資料集，大家也可以直接用啦，很節約時間。
https://blog.csdn.net/lilai619/article/details/79695109

1.框圖
然後就是自己框圖，這個labelimg也是在上面教程的群裡拿的，大家也可以在下面的網盤裡自取。
連結：https://pan.baidu.com/s/12uFzIisR1WBuf7286hyA-Q

2.把xml檔案轉化為txt
這個困擾了我們兩天的樣子，因為網上實在很少。我實現的方式是，把xml的名字寫在一個list.txt裡面。像醬~（注意了，最開始的‘符號，和最後的’符號要刪掉）

當然這個是我們一個同學用python寫的，下面網盤裡還有用python實現的把xml轉為txt的python指令碼，同樣的兩個檔案都要改一下自己的路徑。
連結：https://pan.baidu.com/s/1C0Dte-YUYg-XgpCiWlasfg
提取碼：bd28

這樣我們的資料集就完成了，撒花~

修改檔案

1.不管我們先把圖放在哪裡，現在我們切換到darket檔案下面啦~
把所有的樣本圖片和對應的txt檔案放到：darknet-master\build\darknet\x64\data\obj\下面，答應我一張圖對應一個txt。

2.在darknet-master\build\darknet\x64\data\下新建train.txt
把訓練圖片的路徑寫在檔案裡面，每行一個路徑，像醬~

3.將darknet的預訓練權重放入darknet-master\build\darknet\x64，下面是同組大佬的百度雲連結，我好懶。。。

連結：https://pan.baidu.com/s/1Gdo2gj1bggjUtW9CyYkIpQ 密碼：x5ht
4. 在darknet-master\build\darknet\x64 新建yolo-obj.cfg檔案（可以直接複製yolov3.cfg,然後重新命名為yolo-obj.cfg）

然後就是修改這個檔案內容了。
（用寫字板開啟就可以啦，下面的話也可以用查詢，很快~）

batch 改成64 ：batch=64

subdivisions 改成8 ：subdivisions=8

【Attention！我的顯示卡就很渣，如果訓練的時候，出現記憶體溢位錯誤（Out of memory），我們可以，將batch改小些（64,32,16,8），將random改成0關閉多尺度訓練。】

查詢每個yolo下（共有3處）的classes改成你自己的類的數量 ：classes = N

每個yolo上面第一個convolutional下的filters改成你自己的大小，計算方法是： filters=(classes + 5)x3 ,由於我的是1類，所以我的filters=18. （這個也是隻有3處）

5.在build\darknet\x64\data\下新建obj.names檔案，裡面寫入你的類名，每個類名佔一行。

6.在build\darknet\x64\data\下新建obj.data檔案，像醬寫~

7.修改網路配置檔案Makefile（在\darknet-master路徑下）

到這裡我們的檔案就修改完啦~

開始訓練

1.Win+R開啟終端，cd進入darknet-master\build\darknet\x64路徑，命令：darknet.exe detector train data/obj.data yolo-obj.cfg darknet53.conv.74 開始訓練。

2.訓練時，每訓練100輪，都會生成一個權重檔案在build\darknet\x64\backup\ 下，檔名例如：yolo-obj_100.weights（後面的100是訓練100輪是的權重）。

測試

1.輸入：darknet.exe detector test data/obj.data yolo-obj.cfg yolo-obj_100.weights（最後的權重改為自己的權重）。
然後終端會提醒你輸入圖片路徑，然後你輸入測試圖片的絕對路徑即可看到效果。

大家也一起試試吧，感覺進度還挺快~
那麼最近小花要學點什麼呢？啾咪~