这里我使用的是pascal voc2007+2012联合训练的。
（1）下载数据
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
（2）
将以上压缩包放在同一文件夹中进行解压，解压后，所有的数据都会解压到VOCdevkit文件夹中。将VOCdevkit文件夹放在darknet目录中就行。
（注意：因为VOCtest_06-Nov-2007和VOCtrainval_06-Nov-2007解压后都是VOC2007，所以要先解压VOCtest_06-Nov-2007，然后将文件名由VOC2007改成VOC2007_test，然后再解压VOCtrainval_06-Nov-2007）
解压后，VOCdevkit文件夹中主要有：
VOC2007
VOC2007_test
VOC2012
VOCcode
.........
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar
tar xvf VOCtrainval_11-May-2012.tar
（3）生成darknet需要的label文件
将darknet/scripts目录下的voc_label.py文件，拷贝至darknet目录。打开voc_label.py文件，修改第7行，将列表的最后一个元组修改为('2007_test', 'test'):
修改第58行，将2007_test改为2007_test_test：
运行voc_label.py文件：
python voc_label.py
运行后，darknet目录下会生7个文件，分别为：
2007_train.txt，2007_val.txt，2007_test_test.txt，2012_train.txt，2012_val.txt，train.txt，train.all.txt将这7个txt文件放到darknet/VOCdevkit中。
（4）修改配置文件cfg/voc.data
将下图：
修改成：
（5）下载backbone权重文件：
wget https://pjreddie.com/media/files/darknet53.conv.74将darknet53.conv.74放在darknet目录中即可。
（6）修改配置文件yolov3-voc.cfg：
用yolov3训练pascal voc，就要用到yolov3-voc.cfg，这时候就要修改darknet/cfg/yolov3-voc.cfg
将下图batch和subdivisions前的#去掉
改成：
其中，batch值可以根据自己的显存大小进行调整。但是batch不能太小，如果batch太小或者等于1，最终训练得到的模型可能会无法收敛。
在文件中，使用Ctrl+F搜索yolo，一共出现三个地方。修改yolo下面的classes，以及yolo上面的filters：
（7）开始训练
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74训练结束后，训练好的模型会放在darknet/backup中。
（8）测试
./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc.weights
