在ubuntu下用darknet训练自己的模型-yolo4_ubuntu darknet 训练yolov4,如何更改保存模型的epoch

在使用ubuntu开始训练自己的模型前,首先得给电脑配置好环境,这里可以参考这篇文章，都是组长教的好,风扇刚转的时候还很开心,但转久了,还是很心疼我的电脑的。

---

下载darknet源码

首先判断电脑下载的是哪个版本的cuda和cuDNN，因为darknet一般有两个版本，第一个官方版本不支持8以上的cuDNN，所以如果你的电脑cuDNN的版本较高，可以选择第二个版本的darknet。

查看cuda版本

nvcc -V
1

查看cuDNN版本

由于版本不同方法也不同，所以可以都试试

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
1

或者

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
1

或者

sudo find -name "cudnn_version.h"
1

sudo cat [这里换成上一个命令得到的位置] | grep CUDNN_MAJOR -A 2
1

这样就可以看到我的cuDNN版本是8.2.1

开始下载源码

第一种源码
第二种源码

当你的cuDNN大于8.0时，下载第二种，不然会有各种报错。

开始配置

部分文件介绍：
cfg:模型的架构，类似于caffe的protext文件
src:最底层的框架定义文件，所有层的定义等最基本的函数
examples:更为高层的一些函数，这些函数直接调用了底层的函数
data:一些label文件和一些样例图(主要用来演示或者直接训练coco等对应数据集时有用)
include：头文件 darknet.h
python:使用python对模型的调用方法，基本都在darknet.py中
scripts:一些脚本

修改Makefile 文件

GPU=1
CUDNN=1
CUDNN_HALF=0
OPENCV=1
AVX=0
OPENMP=1	
LIBSO=1
ZED_CAMERA=0
ZED_CAMERA_v2_8=0
1
2
3
4
5
6
7
8
9

支持gpu加速
支持cudnn
支持f16
OPENMP 可以虚拟出多个线程进行多线程训练
使用opencv
编译darknet.so
1
2
3
4
5
6

修改完成之后在darknet根目录下可以编译了

make -j8
1

需要注意的是，每次修改了都要记得重新编译一下

make clean && make -j8
1

测试编译是否成功

./darknet
1

若出现 usage:./darknet<fuction>，则证明成功
1

测试实例

这里需要先去下载官方权重文件
1

可以在这里下载，就是很慢

下载以上yolov4.weight，可能很慢，需要等一等

把下载出来的yolov4.weight移动到darknet根目录下的cfg文件夹中，然后输入命令

./darknet detect cfg/yolov4.cfg cfg/yolov4.weights data/dog.jpg
1

出现以上页面就证明安装成功了