有目共睹的是，yolo訓練資料優點明顯，訓練檢測速度超快，功能超強。因網上關於yolo訓練自己資料的部落格幾乎沒有，所以我就yolo訓練自己資料做一具體操作流程，希望可以幫助大家，讓大家對yolo不再陌生。
注意：1、請根據我的部落格將yolo安裝和測試，部落格地址：http://blog.csdn.net/samylee/article/details/51684856
2、請嚴格按照我部落格的順序做下去

第一部分：修改darknet/makefile檔案
開啟makefile檔案：
1、刪去CUDNN=0一行
2、LDFLAGS= -lm -pthread改為LDFLAGS= -lm -pthread -lstdc++
3、刪去ifeq($(CUDNN),1)至-lcudnn endif
4、刪去activation_layer.o至art.o
5、刪去LDFLAGS+= -lstdc++一行
6、在avgpool_layer_kernels.o後增加yolo_kernels.o coco_kernels.o
儲存退出

第二部分：下載src資料夾
下載連結：http://download.csdn.net/detail/samylee/9555834
下載解壓後替換/darknet下的原src資料夾
開啟src資料夾下的yolo.c檔案：
1、classnum代表訓練幾類，person代表訓練的類別（這裡我給出例子為person）
2、修改train_images部分：改其中的usr為您的伺服器使用者名稱
3、修改backup_directory部分：改其中的usr為您的伺服器使用者名稱（同時在/darknet資料夾下新建資料夾命名為backup）
開啟src資料夾下的yolo_kernels.cu檔案：
其中cls_num 1代表1類（如果增加類，此變數相應增加）

第三部分：下載資料
images下載連結：http://download.csdn.net/detail/samylee/9555838
labels下載連結：連結：http://pan.baidu.com/s/1dFG2LX3 密碼：66xd
train.txt下載連結：連結：http://pan.baidu.com/s/1nvguFKP 密碼：bg0b
darknet.conv.weights（yolo-tiny小模型）下載連結：http://download.csdn.net/detail/samylee/9555843
1、將images、labels和train.txt資料夾放入/darknet/scripts資料夾下，同時開啟train.txt檔案，修改usr為您伺服器的使用者名稱，儲存退出。
2、將darknet.conv.weights檔案放入/darknet下

第四部分：編譯
終端輸入：
cd darknet（進入darknet資料夾）
make clean
make -j16

第五部分：訓練資料
終端輸入：
./darknet yolo train cfg/yolo-tiny.cfg darknet.conv.weights
如果終端顯示NO such file or directory
則在darknet目錄的終端下輸入:
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
再次終端輸入：
./darknet yolo train cfg/yolo-tiny.cfg darknet.conv.weights
此時程式會跑起來，我在程式執行至儲存1000步的時候進行了測試

第六部分：測試資料

這裡提供yolo-tiny_1000.weights下載，僅供參考，下載連結：連結：http://pan.baidu.com/s/1c18hgT6 密碼：xbh9

將darknet/backup資料夾下生成的yolo-tiny_1000.weights拷貝至/darknet下，同時將/darknet/scripts/images/person下的s8.jpg拷貝至/darknet下
終端輸入：
./darknet yolo test cfg/yolo-tiny.cfg yolo-tiny_1000.weights

執行後終端會出現Enter Image Path一行，在後面輸入s8.jpg即可，得到predicton如下圖所示（因資料量過低，故效果不是很好，增加資料量即可解決，這裡只做demo）：

任何問題請加唯一QQ2258205918(名稱samylee)  !!!