关键词：
本文记录了如何在Ubuntu/Docker中使用Alexey实现的C版YOLOv4在自己的数据集上进行训练与测试。
论文 :
YOLOv4: Optimal Speed and Accuracy of Object Detection
代码 :
https://github.com/AlexeyAB/darknet
环境配置
建议使用docker容器配置环境，docker的安装不在此赘述，docker安装好后拉取一个nvidia/cuda镜像，docker的一些用法可以看这里。如果你不使用docker的话可以跳过docker相关部分。
首先把我们的docker跑起来
$docker?run?-itdp?0.0.0.0:32774:22 --gpus ‘"device=1,2"‘?--name?yolo?-v?/home/usr/:/home?-v?/data0:/data0 nvidia/cuda-10.0-cudnn7-devel-ubuntu16.04:v1?/bin/bash
"-itdp 0.0.0.0:32774:22"表示在后台运行一个交互式容器并将主机的32774端口映射到docker容器的22/tcp端口，如果不需要指定端口可以将其改为"-itdP"，这表示我们不指定tcp端口映射而是随机映射。
"--gpus ‘"device=1,2"表示我们使用主机的1、2号GPU。docker的gpu命令用法可以看这里。
"--name?yolo"表示容器名称，可自定义。
"-v?/home/usr/:/home?-v?/data0:/data0"表示将物理机的/home/usr/目录挂载在docker容器的/home路径下，后面同理，需要挂载几个目录就写几个-v参数。
"nvidia/cuda-10.0-cudnn7-devel-ubuntu16.04:v1"表示要运行的容器名称:容器标签。
"/bin/bash"表示容器内使用的命令程序。
docker的一些常用命令用法可以看这里。
接着我们安装依赖
CUDA : 需要CUDA 10.0，安装看这里。
cuDNN : 需要和CUDA 10.0对应的cuDNN，cuDNN在这里获取，选择最新的cuDNN for CUDA 10.0并下载cuDNN Library for Linux，安装看这里。
CMake : 需要CMake>=3.8，CMake在这里获取，选择"Unix/Linux Source (has
line feeds)"后对应的文件下载，使用如下命令编译安装
$tar xvzf cmake-3.17.1.tar.gz # 注意替换你下载的版本号，下同
$cd cmake-3.17.1
$./configure
$make -j
$make install
OpenCV : 需要OpenCV>=2.4，OpenCV在这里获取，选择Sources下载，使用如下命令编译安装
$unzip opencv-4.2.0.zip # 注意替换成你下载的文件名，下同
$cd opencv-4.2.0.zip
$mkdir build
$cd build
$cmake ..
$make -j
$make install
上述各项依赖安装期间有权限问题则使用sudo；各项安装完成后应查看版本号；必要时通过修改~/.bashrc添加相关的环境变量并使用source ~/.bashrc激活，此处不再赘述。
然后我们编译YOLOv4的darknet
将项目克隆至本地
$git clone https://github.com/AlexeyAB/darknet
$cd darknet
使用下列方式之一进行编译
- 使用CMake
$mkdir build-release
$cd build-release
$cmake ..
$make -j
$make install
如果期间报错，可能是之前的依赖安装有问题，按错误提示Google解决，然后再次编译，注意再次编译前使用make clean清除之前编译失败后遗留的中间文件。
- 使用make
在make前可修改darknet/Makefile文件前几行的相关参数，参数含义在这里，一般至少将GPU和CUDNN设置为1，以使用GPU加速。
$make -j
如果有报错，解决后报错后同样记得make clean。
编译完成后执行
$./darknet
usage: ./darknet <function>
有如上结果说明编译成功。
最后我们简单测试一下编译好的darknet
将yolov4.weights下载到darknet目录中，可能需要机智上网。
Google Drive 地址 :
https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT
GitHub 地址 :
https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights
然后执行
$./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg
CUDA-version: 10000 (10010), cuDNN: 7.6.5, GPU count: 2
OpenCV version: 4.2.0
compute_capability = 750, cudnn_half = 0
net.optimized_memory = 0
mini_batch = 1, batch = 8, time_steps = 1, train = 0
...
...
[yolo] params: iou loss: ciou (4), iou_norm: 0.07, cls_norm: 1.00, scale_x_y: 1.05
nms_kind: greedynms (1), beta = 0.600000
Total BFLOPS 128.459
avg_outputs = 1068395
Allocate additional workspace_size = 52.43 MB
Loading weights from yolov4.weights...
seen 64, trained: 32032 K-images (500 Kilo-batches_64)
Done! Loaded 162 layers from weights-file
data/dog.jpg: Predicted in 103.595000 milli-seconds.
bicycle: 92%
dog: 98%
truck: 92%
pottedplant: 33%
...
可以看到最后输出的检测结果等，目录下会生成预测结果。
训练
# TODO: Train
测试
# TODO: Test
在自定义数据集上使用 roboflow 对象检测 Yolov4 pytorch 模型时出现值错误
】在自定义数据集上使用roboflow对象检测Yolov4pytorch模型时出现值错误【英文标题】：ValueerrorwhileusingroboflowobjectdetectionYolov4pytorchmodeloncustomdataset【发布时间】：2021-12-1319:43:48【问题描述】：我们使用Roboflow进行对象检测，使用Yolov4... 查看详情
在自己的数据集上训练 TensorFlow 对象检测
...任务后，我想分享一下我如何回答这个问题的经验：如何使用TSObjectDetection来使用我自己的数据集进行训练？【问题讨论】：你是老板，谢谢！【参考方案1】：这假定模块已经安装。如果没有请参考他们 查看详情
使用 dplyr 和 broom 在训练和测试集上计算 kmeans
】使用dplyr和broom在训练和测试集上计算kmeans【英文标题】：Usingdplyrandbroomtocomputekmeansonatrainingandtestset【发布时间】：2017-02-2705:15:11【问题描述】：我正在使用dplyr和broom为我的数据计算kmeans。我的数据包含X和Y坐标的测试和训练... 查看详情
我可以在整个数据集上使用 StandardScaler()，还是应该分别在训练集和测试集上计算？
】我可以在整个数据集上使用StandardScaler()，还是应该分别在训练集和测试集上计算？【英文标题】：CanIuseStandardScaler()onwholedataset,orshouldIcalculateontrainandtestsetsseparately?【发布时间】：2021-06-0323:33:49【问题描述】：我正在为大约100... 查看详情
如何评估不同模型在一个数据集上的性能？
...此，我将数据集拆分为训练集和测试集，并在该数据集上使用训练数据训练不同的模型，并使用测试数据集进行测试。我的问题：我能否仅 查看详情
yolov4解析|第二篇：用yolov4训练自己的数据集（超级详细完整版）(代码片段)
文章目录第一部分：训练模型第1步：将数据放到指定位置第2步：修改voc_classes.txt文件第3步：运行voc_annotation.py文件第4步：添加权重文件第5步：运行train.py文件第二部分：评估模型第1步：修改权重... 查看详情
python：在验证集上调整模型的参数
...dSearchCV对训练集进行交叉验证以找到最佳参数。但是如何使用自己的验证集来调整参数？我有10个类，对于训练数据，每个 查看详情
在使用 k 折交叉验证训练训练数据后如何测试数据？
】在使用k折交叉验证训练训练数据后如何测试数据？【英文标题】：howtotestthedataaftertrainingthetraindatawithk-foldcrossvalidation?【发布时间】：2020-09-1412:42:45【问题描述】：在代码中，我有：将数据集分成两部分：训练集和测试集(7:3)... 查看详情
caffeexample在cifar-10数据集上训练与测试
本文主要来自Caffe作者YangqingJia网站给出的examples。@article{jia2014caffe,Author={Jia,YangqingandShelhamer,EvanandDonahue,JeffandKarayev,SergeyandLong,JonathanandGirshick,RossandGuadarrama,SergioandDarrell,Trevor}, 查看详情
Keras：使用批量标准化在同一数据集上的不同训练和验证结果
】Keras：使用批量标准化在同一数据集上的不同训练和验证结果【英文标题】：Keras:Differenttrainingandvalidationresultsonsamedatasetusingbatchnormalization【发布时间】：2017-11-1806:29:56【问题描述】：即使我使用相同的数据集，我的训练分类也... 查看详情
pytorch应用：构建分类器(代码片段)
...学习目标1.分类器任务和数据介绍2.训练分类器的步骤2.1使用torchvision下载CIFAR10数据集2.2定义卷积神经网络2.3定义损失函数2.4在训练集上训练模型2.5保存模型3.在测试集上测试模型3.1展示测试集中的若干图片3.2加载模型并对测试图... 查看详情
[软件工具]yolov3yolov4yolov7训练自己的数据集windows上超简单全程不写代码
darknet训练自己的数据集一般要写代码自己转化数据集，还要修改配置文件，数据集也不保证都是正确标注的，这个流程一般对初学者或者不熟悉的人经常弄错，只要一个配置参数改错就会导致训练出现问题，... 查看详情
交叉验证
...个统计分析模型在独立数据集上的概括能力。主要用于在使用ML模型进行预测时，准确衡量一个模型在实际数据集上的效果。具体来说就是将整个数据集划分为若干部分，一部分用以训练模型、一部分用以测试最终模型的优劣、... 查看详情
零基础玩转yolov5yolov5训练自己的数据集（最新最全版）(代码片段)
文章目录一、写在前面二、使用labelimg标记图片1.准备工作2.标记图片三、划分数据集以及配置文件修改1.划分训练集、验证集、测试集2.XML格式转yolo_txt格式3.配置文件4.聚类获得先验框四、使用CPU训练五、使用GPU训练1.开始训练2.... 查看详情
[课程][原创]paddleocr训练自己数据集windows版
...ws上安装anaconda3（4）学会在windows安装PPOCRLabel以及使用PPOCRLabel标注自己的数据集（5）学会使用paddleocr训练文本检测模型（6）学会使用paddleocr训练文本识别模型（7）学会使用paddle 查看详情
组合两个预训练模型的输出（在不同数据集上训练）并使用某种形式的二元分类器来预测图像(代码片段)
...型（Model_1和My_Model）的输出结合在一个新层中。新图层应使用一些二元分类器来判断是否使用Model_1或My_ 查看详情
如何使用yolov3训练自己的数据集(代码片段)
...et./darknet你将会看到以下输出结果usage:./darknet<function>使用GPU编译（可选）如果想让yolo运行的更快的话，可以使用GPU加速。你的电脑中应该有NvidiaGPU并安装cud 查看详情
求生之路每一关都跳出
...了几个内标法一般指的是基于标签的算法，它可以将一个数据集分割成训练集和测试集。它的主要步骤是：1.对数据集中的每个样本分配一个唯一的标签；2.随机地将样本按照一定的比例分为训练集和测试集；3.利用训练集训练模... 查看详情