Win10+VS2017配置yolov3(2)–训练自己数据集
距离上一篇过去好久、一直没时间写，接着回顾一下 之前的配置
本人的电脑配置：
CPU：i7-8700k
GPU：GTX-1080ti
操作系统：Windows 10 专业版 64bit
CUDA：9.0
CUDNN：7.3
OenpCV：3.3
IDE：VS2017
ps：原理精讲以及配置参数、训练参数可看本人的****
https://www.bilibili.com/video/av53025521
接着就是去下载咱们yolov3的代码了，强烈推荐大家去用linux版本，当然你们系统肯定得是linux，但是为了广大windows用户的需求，这里将windows10下安装如何训练自己的数据进行一个简单的说明
Step1:假设拿到一批数据，其中包含五类，如下图所示
首先使用match_quantity.py脚本分别将每个类中的“情侣文件”（图片名和XML文件对应的文件）匹配出来，仅需修改如下两处（所需文件后续会提供）
如下图为一个类的匹配结果，肯定是偶数个，且图片名和xml一一对应。
其他类也参照相同的方法即可。
Step2：接着使用rename.py将所有生成好的图片和xml重命名，规则为 类名-原文件名 如仅需修改以下路径即可（此处注意，xml重命名后在xml文件中的filename标签下的文件名也要改变，可以使用sublime、vscode等工具批量更改）
Step3:然后使用voc_to_icdar13.py读取xml，将关键信息（文件名、坐标信息、大小等）生成txt，使用my_icdar13_to_voc.py重新生成xml文件 （这么做的目的是防止xml中出现size为0的情况）
生成的txt中包含坐标，类名，以及width和height
使用my_icdar13_to_voc.py重新生成xml文件，转化过程
之后将生成好的xml和图片准备待用
Step4:接着我们准备VOC的数据集，请严格按照如下的目录进行，将xml文件全部放入Annotations，将所有图片放入JPEGImages即可
然后运行first-test.py，将数据集按照二八原则（20%验证集+80%训练集）进行分配，会在Main中生成train.txt和val.txt的文件。
接着运行voc_label.py，将训练集和验证集路径导入txt文件中，就会生成如下两个文件
Step5:接着修改data下的voc.names, 将要训练的类名写上，再接着就是去修改data下的voc.data文件，classes就是写你有几个类，train就写之前生成的训练集的路径，valid就写刚刚生成的验证集的路径
Step6:最后修改cfg/yolov3-voc.cfg
yolo层的上一层卷积层的filter和类别classes
filter=(num/3)×（classes + coords + 1） coords=4
把Training的参数设置打开，Testing的参数设置关闭
可以搜索yolo，共有三处如下的地方需要修改，filters的数量遵循 (num/3)×（classes +5），classes为类的数量
最后就可以开始训练了
darknet.exe detector train data/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -i 0 -map
也会有avg loss实时的显示
相关的python文件附下载地址：https://download.csdn.net/download/clay_zhang/11112842
后续会更新如何检测Ap、MAp以及测试等操作
ps：原理精讲以及配置参数、训练参数可看本人的****
https://www.bilibili.com/video/av53025521