訓練時採用的google提供的免費的免費gpu的訓練平台colab（薅資本主義的羊毛真爽），colab是乙個實驗性的專案平台，提供了tesla k80的顯示卡，自己學習學習或者做小專案是夠用的。配置colab參考的如下教程（需網上衝浪）：
配置colab很簡單，這裡主要說的是colab裡使用yolov3，搞了好長時間才搞出來，國內的資料本來就少結果有些人說的還是錯的，最後還是google解決了問題，在colab裡使用yolov3教程如下：
這個是官方的，講解的比較詳細但複雜，很多操作其實不需要）
主要參考這個，一步步跟著做是沒問題的）
其實我遇到的主要是編譯的問題，沒有找到gpu的編譯版本（其實是懶得找），直接make是怎麼也通過不了的，也試了一些比如更新顯示卡驅動之類的方法，但都沒有用，還是第二篇教程裡的!sed -i 's/gpu=0/gpu=1/g' makefile解決了問題。
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...