目录
1、下载并安装环境及工程文件
所需IDE：Anaconda3-5.2.0-Windows-x86_64_2.exe，也就是Python3.6
所需文件：yolov3-keras工程、权重文件
需要的朋友可以扫码关注公众号，输入yolov3获取所有文件。
2、给Anaconda换源
用记事本打开本地文件C:\Users\用户名\.condarc把里面的配置信息，新建一个txt文档拷贝进去备份
把.condarc里面的内容替换为，保存退出。
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
ssl_verify: true
3、创建yolov3虚拟环境
在开始菜单选择 Anaconda Prompt，右键以管理员身份运行
输入：
conda create -n forYolov3 pip python=3.6 
回车后会出现：
输入y回车即可，等待环境创建完毕。
出现这个表示环境创建完毕了。
4、切换环境
接着上步输入：conda activate forYolov3 并回车
出现下面这个表示切换成功
5、安装keras
输入命令：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.1.5并回车，稍微等待即可，速度很快，出现红色箭头所示表示安装成功。
6、安装tensorflow
输入命令：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.12.0
回车等待…………
如下所示，安装成功
7、安装Pillow
输入：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple Pillow回车，等待片刻，出现下图所示安装成功：
8、安装matplotlib
输入，回车，等待片刻：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
下图所示安装成功：
9、安装 ffmpeg
输入命令：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ffmpeg
安装成功：
10、安装opencv
输入：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python
安装成功：
至此依赖库安装好了
11、下载yolov3工程及权重文件
yolov3+权重+标注工具，已在公众号整理好，需要的话请在文章开头关注获取即可。
解压出来，把权重文件移动到工程文件下：
12、安装pycharm
（1）下载安装包：
http://www.jetbrains.com/pycharm/download/#section=windows
(2)安装：
一路next即可，我默认安装在C盘，可自行选择。
到这里勾选上添加环境变量:
等待安装完成：
安装完成：
13、pycharm配置yolov3工程
先用pycharm打开yolov3工程：点击File选择Open，浏览打开本地下载好的yolov3工程，如图：
然后单击左上角的File选择Setting，配置python解释器
选择Project Interpreter
选择右上角按钮
单击add
选择Anaconda安装目录，选择envs下创建的环境的python.exe
到此配置完毕。
14、运行Yolov3
（1）把权重文件转换成h5文件
点击左下方的 Terminal (和IDLE一个功能，就是命令行)
输入并回车等待：
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
等待……
↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
PS：如果提示缺少numpy（没有的话请跳过本段），如图：
请在下方输入，回车：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
然后再输入，上述权重转换命令。
↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
无numpy报错直接看下面：
转换进行中……
最后会显示有句提示：Saved Keras model to model_data/yolo.h5
转换完成，生成h5文件：
（2）运行yolov3
在工程目录下新建一个py程序，名字自拟如testYolov3，粘贴下面的代码：
from yolo3.model import yolo_body
from keras.layers import Input
from yolo import YOLO
from PIL import Image
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
yolo = YOLO()
while True:
img = 'img/0.jpg'
try:
image = Image.open(img)
except:
print('Open Error!')
continue
else:
rel_image = yolo.detect_image(image)
rel_image.show()
yolo.close_session()
再在工程目录下新建img文件夹，并放入一张照片，命名为0.jpg
如下图：
运行 testYolov3程序：
至此yolov3配置完成