Windows下在darknet框架下训练yolov3常用指令汇总

训练指令

darknet.exe detector train .\build\darknet\x64\data\obj.data .\cfg\yolov3-obj.cfg .\build\darknet\x64\weights_pr\darknet53.conv.74 .\results_mine

测试指令

darknet.exe detector test .\build\darknet\x64\data\obj.data .\cfg\yolov3-obj.cfg .\build\darknet\x64\results_mine\yolov3-obj_final.weights

计算recall

darknet.exe detector recall .\build\darknet\x64\data\obj.data .\cfg\yolov3-obj.cfg .\build\darknet\x64\results_mine\yolov3-obj_final.weights

批量测试+保存测试图片指令

darknet.exe detector test .\build\darknet\x64\data\obj.data .\cfg\yolov3-obj.cfg .\build\darknet\x64\results_mine\yolov3-obj_final.weights <D:\wzx-test\darknet-master7.21\build\darknet\2007_test.txt> result.txt

windows下保存log的训练指令（每次换不同文件夹跑程序需要改.\darknet-master\build\darknet\x64\data下面的obj.data）

1、darknet.exe detector train .\build\darknet\x64\data\obj.data .\cfg\yolov3-obj.cfg .\build\darknet\x64\weights_pr\darknet53.conv.74 .\results_mine   >>.\build\darknet\x64\log\train_yolov3.log
2、darknet.exe detector train .\build\darknet\x64\data\obj.data .\cfg\yolov3-obj.cfg .\build\darknet\x64\weights_pr\darknet53.conv.74 .\results_mine 2>&1 | tee .\build\darknet\x64\log\train_yolov3.log（得到的log更详细）

加载上一轮未训练完的权重继续训练（把上一轮的权重放到.\build\darknet\x64\weights_pr\yolov3-obj_last.weights文件夹中）（还未测试）

darknet.exe detector train .\build\darknet\x64\data\obj.data .\cfg\yolov3-obj.cfg .\build\darknet\x64\weights_pr\yolov3-obj_last.weights .\results_mine

从停止处训练（别人：还未测试）

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gups 0 myData/weights/my_yolov3.backup

生成适合于自己数据集的anchor大小（clusters代表集群，生成几个聚类中心）

darknet.exe detector calc_anchors .\build\darknet\x64\data\obj.data -num_of_clusters 9 -width 640 -height 512

多GPU训练：（目前测试好像并未成功）

别人：darknet.exe detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpu 0,1,2,3
自己：darknet.exe detector train .\build\darknet\x64\data\obj.data .\cfg\yolov3-obj.cfg .\build\darknet\x64\weights_pr\darknet53.conv.74 .\results_mine -gpu 0,1,2,3（目前测试好像并未成功）

显示map训练方法：（测试可行，但必须要从迭代1000次开始记录）

自己：darknet.exe detector train .\build\darknet\x64\data\obj.data .\cfg\yolov3-obj.cfg .\build\darknet\x64\weights_pr\darknet53.conv.74 .\results_mine -map

从保存的log中提取有效信息代码（python）
分成两个train_log_loss.txt和train_log_iou.txt两个文件

import inspect
import os
import random
import sysdef extract_log(log_file, new_log_file, key_word):with open(log_file, 'r') as f:with open(new_log_file, 'w') as train_log:# f = open(log_file)# train_log = open(new_log_file, 'w')for line in f:# 去除多gpu的同步logif 'Syncing' in line:continue# 去除除零错误的logif 'nan' in line:continueif key_word in line:train_log.write(line)f.close()train_log.close()extract_log('train_yolov3.log', 'train_log_loss.txt', 'images')
extract_log('train_yolov3.log', 'train_log_iou.txt', 'IOU')

提取train_log_loss.txt中某一列数据代码

list1 = []
try:file = open('train_log_loss.txt', 'r')
except FileNotFoundError:print('File is not found')
else:lines = file.readlines()for line in lines:a = line.split()x = a[2]   ##把log中对应的第三列提取出来list1.append(x)
file.close()for x in list1:print(x)

用matlab画loss损失函数图代码
把相应的文档放到和matlab对应的.m文件目录一块

x=textread('16016data.txt');
figure;
p=plot(x(:,1));
lgd=legend(p,'loss');
%plot(test(:,1));
%xlim([135,420]);
%ylim([0,5]);
xlim([50,10000]);
ylim([0,5]);
%xlabel('迭代次数 ');
xlabel('迭代次数 ');
ylabel('损失函数');
title('损失函数曲线');

Windows下在darknet框架下训练yolov3常用指令汇总相关推荐

yolo 海思嵌入式_一、基于海思芯片：从算法到移植 darknet框架下训练yolov3
今天是2020年1月25号,大年初一,万万没想到,这个本来狂舞躁动的时刻,敝人会安逸的坐在家里写博客,这场肺炎带给我们的应该是深刻反思.边缘计算如日中天,或者说把深度学习落地,搞到移动端解决是一个大趋 ...
技术干货 | mPaaS 框架下如何使用 Crash SDK 对闪退进行分析？
简介: Android Native Crash 处理案例分享目前 mPaaS Android 是使用的是 Crash SDK 对闪退进行的处理,Crash SDK 是 Android 平台上一款功 ...
Windows10下使用darknet和YOLOV3训练自己的数据集
前言 1.我的环境是windows10,vs2015,cuda9.1,cudnn7.1. 2. darknet加yoloV3,用cmake和vs2015编译成darknet.exe. 3. 我的目录结 ...
Windows下使用Darknet训练自己的数据集（模型：yolov4-tiny、数据集：垃圾分类）
本文章主要介绍如何使用Darknet在windows下训练自己的数据集,其中模型使用的是yolov4-tiny,数据集使用的是自己垃圾分类数据集(需要的自取:在我上传的资源中有) PS:这是我的第一篇 ...
小白教程：Ubuntu下使用Darknet/YOLOV3训练自己的数据集
小白教程:Ubuntu下使用Darknet/YOLOV3训练自己的数据集 YOLOV3官网教程:https://pjreddie.com/darknet/yolo/ 使用预训练模型进行检测 git c ...
1.Pytorch框架下使用yolov3-tiny网络模型训练自己的数据集
在Pytorch框架下使用yolov3-tiny网络模型 ,训练自己的数据集 1.本文参考链接如下: https://blog.csdn.net/gbz3300255/article/details/ ...
windows下使用Caffe框架和matlab实现SRCNN官方代码的步骤
步骤 step1 搭建caffe环境在windows系统上搭建caffe环境,并配置matlab接口(需要下载 caffe-master.zip 以及 VS2013 ) 我的环境为:windows1 ...
VS2013+Windows+CPU下搭建caffe框架并利用mnist数据集实验
<李凭箜篌引>--李贺吴丝蜀桐张高秋,空山临云颓不流: 江娥啼竹素女愁,李凭中国弹箜篌: 昆山玉碎凤凰叫,芙蓉泣露香兰笑: 十二门前融冷光,二十三丝动紫皇: 女娲炼石补天处,石破天惊逗秋 ...
windows 下的darknet安装
1,操作系统环境 Windows7 64位操作系统,无gpu. gpu 的请参考 windows下darknet之yolo(gpu版本)安装 - 知乎 2,下载darknet 在网站GitHub - ...

Windows下在darknet框架下训练yolov3常用指令汇总

Windows下在darknet框架下训练yolov3常用指令汇总

Windows下在darknet框架下训练yolov3常用指令汇总相关推荐

最新文章

热门文章