人工智能目标训练_人工智能模型训练教程

基于Pytorch-yolo3模型的目标训练
1.开发工具
Python版本：Anaconda 的python 3.6版本的虚拟环境
开发软件：Pycharm社区版
识别模型：深度学习模型–Pytorch-yolo3
相关模块：opencv-python=3.4.8.29模块，torch=1.2.0模块，torchvision=0.4.0模块
训练数据工具：labelimg
2.环境搭建
安装Anaconda并将路径添加到环境变量，创建python虚拟环境，安装Pycharm并将路径添加到环境变量，使用pip安装需要的相关模块即可。
3.原理介绍
基于Pytorch-yolo3模型的目标训练，比Keras-yolo3模型的目标训练的速度更快，训练的识别效果跟数据相关。
4.程序流程
（一）在github 网址https://github.com/bubbliiiing/yolo3-pytorch中下载Pytorch-yolo3源码，然后下载yolo_weights.pth权重，将yolo_weights.pth权重放在model_data目录下，如图

（二）训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中,训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。

（三）在训练前利用voc2yolo3.py文件生成对应的txt,如图

（四）再运行根目录下的voc_annotation.py，运行前需要将classes改成你自己的classes，比如我这里想训练火，就写fire,如图

（五）在训练前需要务必在model_data下新建一个txt文档，文档中输入需要分的类，示例如下：
model_data/fire_classes.txt文件内容为fire：

（六）修改utils/config.py里面的classes，使其为要检测的类的个数。运行train.py即可开始训练。

（七）运行实例

5.注意事项
torch=1.2.0模块和torchvision=0.4.0模块版本要匹配好，我这里是用这两个版本，如果你使用pip命令单独下载版本出错，使用命令pip install torch=1.2.0 torchvision=0.4.0 -f https://download.pytorch.org/whl/torch_stable.html即可下载成功，训练数据的时候要耐心等待。