深度学习
文章目录
前言
如果想让 YOLO 识别我们指定的目标，那就需要先准备一套数据集，然后 对 YOLO 进行训练，“教会”YOLO 认识这些目标。训练的结果是生成一个.weight 权重文件，等到识别的时候，加载这个权重文件即可识别我们指定的目标。
一、环境搭建
由于 jetson nano 算力有限，不大适合用做训练。所以我们需要另外搭建一个 训练环境，编译 darknet。
训练环境从硬件方面分为两种：
①台式机或笔记本，x64 平台设备，必须要有 NVIDIA 显卡。这种情况需要 自行安装 Ubuntu 系统，然后再安装 NVIDIA 显卡驱动、CUDA、cuDNN（可以看前面两个文章）
配置好以上环境以后，下载 darknet 进行编译即可。
②NVIDIA 的嵌入式设备，包括 Jetson AGX Xavier、Jetson Xavier NX 等， NVIDIA 官方提供的镜像中已经配置好了 CUDA 等，不需要我们自己再去配置环境。
CUDA 等配置好以后，运行 nvcc -V 查看版本信息：
NVIDIA 的嵌入式设备需要配置一下环境变量才能运行 nvcc 指令：
打开~/.bashrc 文件编辑：
nano ~/.bashrc
在文件最后添加一下语句：
export LD_LIBRARY_PATH=/usr/local/cuda/lib
export PATH=$PATH:/usr/local/cuda/bin
按crtl+x保存退出后，source 生效：
source ~/.bashrc
完成以上步骤后，NVIDIA 的嵌入式设备才可以正常运行 nvcc 指令，否则 后面编译会报错。
二、编译 darknet
下载代码：git clone https://github.com/AlexeyAB/darknet
将压缩包解压后，终端 cd 到 darknet 目录中，输入 make 进行编译即可。
注意：在 make 之前，找到 makefile 文件，我们可以设置一些功能，根据自 己的需求设置，其中 GPU、CUDNN 是必要的。
makefile 编译参数：
安装好以后可以使用官方提供的.weight 文件进行测试。
wget https://pjreddie.com/media/files/yolov3-tiny.weights //下载权重文件
./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg
你会看到一些物体的概率，这里就不附上截图了。
另外，如果测试时需要显示图片或者实时测试视频流，则需要安装 OpenCV， 并且在上述的 makefile 中 OPENCV 选项改为 OPENCV=1。
总结
终于把环境全部弄好了，下一步就是怎么标注数据集。