張郎生活的筆記

今天來試試訓練自己的數據吧!

但我真的很懶, 所以數據先用網路大神的dataset吧!

https://towardsdatascience.com/yolov2-to-detect-your-own-objects-soccer-ball-using-darkflow-a4f98d5ce5bf

給看不懂英文的同好們

點這個here

滑鼠右鍵選到下載

創建一個新環境, 激活他

conda create -n yologpu python=3.6

activate yologpu

回到上次我們darkflow-master資料夾下

記得上次安裝的套件們, 這次tensorflow改成gpu版的

conda install -c aaronzs tensorflow-gpu

conda install -c anaconda cudatoolkit

conda install -c anaconda cudnn

pip install numpy==1.16.0

pip install opencv-python

pip install Cython

pip install -e .

然後找到資料夾cfg裡面的yolo.cfg, 複製一份叫yolo_custom.cfg (其實叫啥都無所謂啦)

用wordpad或者別的打開yolo_custom.cfg, 拉到最底下把classes改成1, filters改成30

回到上一層資料夾, 把labels.txt打開

裡面資料都刪掉, 改成ball

打開anaconda prompt, aconda prompt, 輸入

python ./flow --model cfg/yolo.cfg --load bin/yolov2.weights

看來是沒問題, 再輸入

python ./flow --model cfg/yolo_custom.cfg

接著到\darkflow-master\darkflow找到default.py並且打開

找到batch改成8, epoch改成100, 儲存

輸入python ./flow --model cfg/yolo_custom.cfg --train --dataset images --annotation annotations  --gpu 0 

為什麼我GPU輸入0呢? 因為工作管理員, 我的GPU是0

一個epoch跑step23, 超級久的, 我跑完再給大家看成果

如果你跑完了, 再輸入

python flow  --imgdir sample_img/  --model cfg/yolo-new.cfg --load bin/yolov2.weights

記得把要測試的圖片放到sample_img裡面, out就是結果喔!