用pytorch實現yolov3演算法不是特別合適，目前網上的一些yolov3 pytorch復現經過我的親身經歷，感覺都有些問題。主要是test.py中的evaluate函式在yolo檢測不到框的時候就會報錯，我看了github上源**的issues，認為解決方法就是如果報錯就跳過evaluate，但我自己沒有試過，以後有機會再添這坑。
目前我用過的比較好的yolov3復現是在這裡：
git clone裡面講的比較詳細了，我這就對其中一些小坑進行總計。
3. 自己上手不要用coco voc這些資料集，訓練要很久才有效果。
4. 訓練**現nan是正常的，前期檢測不到就會出現nan的
5. 如果要用gpu要裝cuda和cudn，並且配置好。
6. 訓練或者測試前要注意cfg有沒有修改好相應的batchsize。
7. make -j 出現警告c4996 『cudathreadsynchronize』: 被宣告為已否決
參考這個：
yolov3訓練自己的資料集
6.測試訓練出的網路模型 訓練好後可以在 backup看到權重檔案 嘗試test前要修改cfg檔案,切換到test模式。可以重新建立乙個測試cfg檔案,如yolov3 voc ball test.cfg 測試 darknet detector test cfg voc ball.data cfg y...
ubuntu下訓練自己的yolov3資料集
此方法只適合voc格式的資料集 下面是貼圖 裡面的資料夾和voc是相同的,不同的是lables.該資料夾是是將voc格式的.xml轉換成txt的資料夾.裡面內容如下展示 2.修改配置 修改data voc.names裡面的類別為自己需要的類別名稱 修改cfg voc.data檔案 classes 2...
YOLOv3訓練自己的VOC資料集
yolo 一 安裝darknet並借助預訓練權重進行檢測 1.安裝darknetgit clone https pjreddie.com media files yolov3.weights3.執行檢測.darknet detect cfg yolov3.cfg yolov3.weights dat...