确定自己配好yolov3的环境了，跑官方的例子也成功后，现在考虑自己的数据。
首先确定自己cuda环境是否设置好了（我自己是重新加了环境变量，具体请百度）。
按着官方教程顺序来吧。
1
在darknet-master\build\darknet\x64目录下，复制一个yolov3.cfg，另存为yolo-obj.cfg。打开yolo-obj.cfg（用notepad、vscode之类的），需要做一些修改：
""batch和 subdivisions可选择性修改，注释上面或者下面，我用的如下，相对来说跑起来慢点""
# Testing
# batch=1
# subdivisions=1
# Training
batch=64
subdivisions=16
接着在这个文件里还有6个地方要改，但是是3块地方。搜索yolo，yolo-obj.cfg总共出现了3次，分别都要修改，如下图：
观察我注释掉的地方，yolo区域的classes，和对应上方的convolutional区域的filters，要修改为你自己的参数。classes为你自己的类，我的只有一个，所以设为1，而另一个公式为：filters=(class+5)x3)，带入1，为18，所以我设的8。而该文件这样的区域有3处，修改完这3个区域，6行代码。
2
在目录中build\darknet\x64\data\创建文件obj.names，具有对象名称-每个都在新行中。像这么写：
每一行都是一个对象名字，因为我只有一个标注，所以只有一行。
3
在目录中build\darknet\x64\data\创建文件obj.data，这么写：
classes= 1
train = data/train.txt
valid = data/test.txt
names = data/obj.names
backup = backup/
注意修改自己类别数量。
4
将对象的图像文件(.jpg)放在目录中build\darknet\x64\data\obj\
5
开始标记数据，生成自己的数据集。官方Yo_lo_mark,我用的是labelImg(密码：lu56）。labelImg基于Python，pyqt5 的环境，挺好用的，简单介绍下：
- 下载完软件解压，运行文件夹下根目录labelImg.py程序
- 选择好opendir和savedir
- 对图像进行标注，每标注完了注意保存，他会在savedir目录下生成xml文件。
- 这里我在网盘：e7vi放了一个模板，文件解压后有五个文件夹和二个py程序，其中Annotations存放上步骤生成的xml文件，运行test.py,会在ImageSets里生成几个txt文件，然后将voc_label.py移到整个文件夹外运行，该程序会生成label文件夹，里面生成了你标注的图像的txt文件。
- 当然这方面网上教程很多，具体可以自行查询，这里只是简单介绍。需要的也只是4生成的txt文件。单独一个txt文件如下：
我只有一个类，所以这里第一列都是0
6
在build\darknet\x64\data\中创建train.txt，使用图像的文件名，每个文件名在新行中，路径相对于darknet.exe，例如，包含：
data/obj/img1.jpg
data/obj/img2.jpg
data/obj/img3.jpg
7
下载卷积层的预训练权重(154 MB)：https://pjreddie.com/media/files/darknet53.conv.74，然后放到目录中build\darknet\x64中
8开始训练
使用命令行开始培训：darknet.exe detector train data/obj.data yolo-obj.cfg darknet53.conv.74
9
训练结束后-取得成绩yolo-obj_final.weights从路径build\darknet\x64\backup\
总结
因为在写这篇博客的时候，程序还在跑，所以，无法展示。先说说期间遇到的问题。
刚开始的时候在第一步设置了batch和subdivisions，将他们分为设为了64和16，跑的时候直接内存不足。后来改成了1和1，跑的导师挺快，但是最后无法收敛，直接Nan。
我重新新建了一个项目，按上面设置完后，多干了一件事就是修改Makefile：
# GPU=0
# CUDNN=0
GPU=1#要用到Gpu，所以设为了1
CUDNN=1#同上
CUDNN_HALF=0
OPENCV=0#要调用摄像头就设为1
AVX=0
OPENMP=0
LIBSO=0
DEBUG=0#用DEBUG就设为1
...
CC=gcc
CPP=g++
# NVCC=nvcc #网上搜说这个要设为自己的，也不说的详细
NVCC = C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v8.0/bin/nvcc#我默认安装的，也就这么设
...
ifeq ($(GPU), 1)
# COMMON+= -DGPU -I/usr/local/cuda/include/#网上都说改为自己路径
COMMON+= -DGPU -I/C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v8.0/include/#我这么改的
CFLAGS+= -DGPU
feq ($(OS),Darwin) #MAC
LDFLAGS+= -L/usr/local/cuda/lib -lcuda -lcudart -lcublas -lcurand
else
LDFLAGS+= -L/C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v8.0/lib/x64 -lcuda -lcudart -lcublas -lcurand#我把这个改成了这样
不知道这么改对不对，但是，修改后（加上前面cuda环境变量添加），在batch=64 ，subdivisions=8 下顺利跑通了。给一个在跑的图像：
希望能帮到大家！哈哈开心！