小白第一次跑yolov3模型经历_yolov3权重下载

本文使用的设备

本文模型实在Windows11系统下进行的，运用的编程工具是pycharm，python3.11版本，gpu是cuda11.8,框架采用的是pytorch。如果想用gpu跑模型需要单独去pytorch官网去下载对应cuda版本的torch版本
这里本文是Windows，pycharm是pip，python，cuda11.8版本。复制箭头里的运行命令，然后到自己pycharm的项目下点击终端Terminal进行粘贴运行就可以了。

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
1

本文跑的模型是yolov3

1、模型代码下载地址：https://github.com/ultralytics/yolov3

本文这里用的是9.5.0版本，需要在左上角master处选择历史版本，找到9.5.0版本。然后右上角点击code→download就行，然后解压到你的project里面，用pycharm打开就行了。

2、下载数据集

本文使用的VOCdevkit数据集。这里我下载好了，分享到百度网盘：VOCdevkit数据集
提取码：vock
把数据集解压到项目目录下，可以看到解压完又五个文件，本文只需要Annotationa文件和JPEGimages文件。前者包含9964个.xml文件，后者包含对应的9964个.jpg文件，前者文件里包含的是后者对应图片文件的标签信息。

3、创建训练文件

在VOCdevkit文件夹下，新建名称分别为images，labels的文件夹用来存档训练和测试用的数据。然后在新建的images和labels文件下分别新建两个名称为train和val的文件夹。创建完成之后的结构如下：

而VOCdevkit文件下的VOC2007文件夹只需要Annotationa文件和JPEGimages文件即可，然后新建一个label文件夹用来存放yolov训练需要txt格式的标签文件。

4、需要下载预训练权重文件。

加载预训练权重进行网络的训练可以减小缩短网络训练时间，并且提高精度。预训练权重越大，训练出来的精度就会越高，但是其检测的速度就会越慢。
官方下载地址：yolov3权重下载
本文下的是yolov3-tiny.pt文件，保存到项目→weights文件夹下。

也可以采用download_weights.sh脚本进行自动下载，需要注意的是Windows系统需要下载wget进行脚本运行，否则会报错：wget command not found！
Windows系统下wget的安装使用参考博客wget的安装与使用
（本人不建议使用脚本下载，需要更改脚本内需要下载的文件，且速度极慢）

搭建运行环境

1、pytorch框架本文开头已经阐述，接下来需要安装项目→requirements.txt文件里的依赖包。终端命令pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/采用清华镜像源地址下载更快。
2、安装cuda和cudnn，需要知道自己设备的显卡驱动和最大支持cuda的版本。详细操作流程可以借鉴：Win11系统配置Pytorch环境(GPU版)
安装完成可以运行cmd进行验证，输入nvcc -V。结果如下图所示就是安装成功了。

3、运行代码之前，可以确认一下是否正确安装了支持gpu运行的pytorch环境。只需要在pycharm项目下的Terminal中输入py进入python环境→然后输入代码

>>>import torch
>>>torch.cuda.is_available()
1
2

回车显示True，就说明可以使用gpu运行代码。

运行Train.py

python train.py --img 640 --batch 24 --epoch 50 --data data/voc.yaml --cfg models/yolov3-tiny.yaml --weights weights/yolov3-tiny.pt
1

这里设置batch为16，训练次数为5，这两个参数根据自己设备的算力进行适当修改就行。训练好的最好结果best.py和最后一次训练结果文件last.py保存在了runs/train/exp/weights文件下。自己可以把best.py文件复制粘贴到weights文件下，方便以后继续训练和进行预测自己的数据集。

运行detect.py

1、目标检测测试图片

使用自定义图片进行检测

python detect.py --source ./data/images/bus.jpg --weights ./weights/best.pt
1

2、目标检测测试视频

使用video视频进行检测

python detect.py --source data/video/1.mp4  
1

3 、目标检测测试摄像头

使用本机摄像头测试Yolov3实时检测：

python detect.py --source 0
1

小白可以借鉴以下文章

1、Windows11下pytorch环境运行测试YOLOV5
2、Windows11安装GPU版本的pytorch环境_The black panther的博客-CSDN博客
3、wget的安装与使用