哈哈，我们的效率还是很棒的，先自夸一下~废话不多说，下面就是正宫娘娘：
接上次的博客（yolo环境配好以后）
制作自己的数据集
首先就是制作数据集啦，我们是自己在校园里面拍的共享单车，训练集大概有两三百张的样子，还留了一小部分估计也有一百张的样子做测试集。当然也有SAMA的博客直接给了数据集，大家也可以直接用啦，很节约时间。
https://blog.csdn.net/lilai619/article/details/79695109
1.框图
然后就是自己框图，这个labelimg也是在上面教程的群里拿的，大家也可以在下面的网盘里自取。
链接：https://pan.baidu.com/s/12uFzIisR1WBuf7286hyA-Q
提取码：85s6
2.把xml文件转化为txt
这个困扰了我们两天的样子，因为网上实在很少。我实现的方式是，把xml的名字写在一个list.txt里面。像酱~（注意了，最开始的‘符号，和最后的’符号要删掉）
当然这个是我们一个同学用python写的，下面网盘里还有用python实现的把xml转为txt的python脚本，同样的两个文件都要改一下自己的路径。
链接：https://pan.baidu.com/s/1C0Dte-YUYg-XgpCiWlasfg
提取码：bd28
这样我们的数据集就完成了，撒花~
修改文件
1.不管我们先把图放在哪里，现在我们切换到darket文件下面啦~
把所有的样本图片和对应的txt文件放到：darknet-master\build\darknet\x64\data\obj\下面，答应我一张图对应一个txt。
2.在darknet-master\build\darknet\x64\data\下新建train.txt
把训练图片的路径写在文件里面，每行一个路径，像酱~
3.将darknet的预训练权重放入darknet-master\build\darknet\x64，下面是同组大佬的百度云链接，我好懒。。。
链接：https://pan.baidu.com/s/1Gdo2gj1bggjUtW9CyYkIpQ 密码：x5ht
4. 在darknet-master\build\darknet\x64 新建yolo-obj.cfg文件（可以直接复制yolov3.cfg,然后重命名为yolo-obj.cfg）
然后就是修改这个文件内容了。
（用写字板打开就可以啦，下面的话也可以用查找，很快~）
batch 改成64 ：batch=64
subdivisions 改成8 ：subdivisions=8
【Attention！我的显卡就很渣，如果训练的时候，出现内存溢出错误（Out of memory），我们可以，将batch改小些（64,32,16,8），将random改成0关闭多尺度训练。】
查找每个yolo下（共有3处）的classes改成你自己的类的数量 ：classes = N
每个yolo上面第一个convolutional下的filters改成你自己的大小，计算方法是： filters=(classes + 5)x3 ,由于我的是1类，所以我的filters=18. （这个也是只有3处）
5.在build\darknet\x64\data\下新建obj.names文件，里面写入你的类名，每个类名占一行。
6.在build\darknet\x64\data\下新建obj.data文件，像酱写~
7.修改网络配置文件Makefile（在\darknet-master路径下）
到这里我们的文件就修改完啦~
开始训练
1.Win+R打开终端，cd进入darknet-master\build\darknet\x64路径，命令：darknet.exe detector train data/obj.data yolo-obj.cfg darknet53.conv.74 开始训练。
2.训练时，每训练100轮，都会生成一个权重文件在build\darknet\x64\backup\ 下，文件名例如：yolo-obj_100.weights（后面的100是训练100轮是的权重）。
测试
1.输入：darknet.exe detector test data/obj.data yolo-obj.cfg yolo-obj_100.weights（最后的权重改为自己的权重）。
然后终端会提醒你输入图片路径，然后你输入测试图片的绝对路径即可看到效果。
大家也一起试试吧，感觉进度还挺快~
那么最近小花要学点什么呢？啾咪~