小白train自己的YOLO v4

• 本篇以我自己為例，我的項目只有一個類別，也就是“有”或“沒有”。
• 我自己是在終端機（terminal）進行操作。
• 其實本篇大部分就是我個人照個官網做，然後把英文翻成中文呈現給大家。

正文開始...
總需要新增3個檔案

1. yolo-obj.cfg
2. obj.names
3. obj.data

下載

1. git clone https://github.com/AlexeyAB/darknet.git
2. 或者到到YOLO v4大神的gihub網頁https://github.com/AlexeyAB/darknet下載程序代碼

開始設定

＃建立一個資料夾用來放weights
mkdir weights
cd weights

# 下載預訓練模型 pre-trained weights-file
wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.conv.137

設定yolo-obj.cfg檔

創建文件yolo-obj.cfg，其內容與yolov4-custom.cfg中的內容相同（或將yolov4-custom.cfg複製到yolo-obj.cfg）：

cd darknet/cfg
cp yolov4-custom.cfg yolo-obj.cfg
vim yolo-obj.cfg

vim：用編輯器編輯的意思，你也可以用其他編輯軟件（vs，sublime…打開yolo-obj.cfg來編輯內容）

1. 進入 darknet/cfg 資料夾
2. 複製 yolov4-cusom.cfg 並命名為 yolo-obj.cfg
3. 打開 yolo-obj.cfg後會看到長這樣，然後修改他

yolo-obj.cfg長這樣

• batch = 64
• subdivisions= 64
• max_batches = 種類數*2000, 但不少於4000
  e.g.,
  1類 -> max_batches = 4000
  2類 -> max_batches = 4000
  3類 -> max_batches = 6000
  …
• steps = max_batches * 0.8, max_batches * 0.9
  e.g.,
  max_batches = 4000 -> steps = 3200, 3600
• width=416
  設定圖片寬度(需是32的倍數)
  height=416
  設定圖片高度(需是32的倍數)

width和height代表圖片讀進去後，被resize成多少，再餵給yolo
可以自行設定，這邊不用跟原圖一樣大小但當然愈接近愈好。

• 修改 [yolo]區塊的 classes =1
  - 你有n種類，就設 = n
  - 總共有三個 [yolo]區塊需要修改。可以直接搜尋[yolo] ，然後往下看幾行就可以找到。(注意看，這些區塊很像，但行數不一樣)

設定obj.names檔

1. 在 darknet/data/ 資料夾中，新增 obj.names 。
2. 裡面放你想要物件的顯示的名稱，例如我只有一個物件: cat。

(2.) 如果有兩個物件: cat, dog

設定 obj.data檔

先在 darknet/data/ 資料夾中，新增 obj.data 。

obj.data

1. classes = 種類數
2. train = 一個 .txt，放訓練資料的詳細位置

/data/train.txt

3. valid = 一個 .txt，放驗證資料的詳細位置

/data/valid.txt

4. names = 剛剛我們製作的那個 obj.names 檔案的位置

5. backup = 你的weights 要存在哪裡

compile on Linux

在 darknet/ 資料夾下

1. 修改 Makefile 檔案
   有一個已經存在的檔案 Makefile ，因為我有使用GPU和opencv，因此需要稍做修改。

修改前

修改後

2. 直接在終端機輸入指令 make
然後等他跑完就可以了，需要一下子…

終於可以開始訓練了～

終端機在 darknet/資料夾下，輸入指令

./darknet detector train data/obj.data cfg/yolo-obj.cfg yolov4.conv.137 -mjpeg_port 8090 -map -gpus 0,1,2

• data/obj.data
• cfg/yolo-obj.cfg
• yolov4.conv.137

其中以上三個部分，這三個檔案是前面我們所建立或下載的，需輸入你存放位置的完整路徑，不可以只有打檔名。

• mjpeg_port 8090 -map
  則是讓你可以在 http://ip-address:8090 看到train的過程，可以不輸入這句指令，只輸入
• -gpus
  指定使用哪幾顆gpu。
  沒有則這整項都不用。

 ./darknet detector train data/obj.data cfg/yolo-obj.cfg yolov4.conv.137

例如，你的ip是140.112.00.00
那你就開個網頁，輸入網址http://140.112.00.00:8090，就可以看訓練過程了，但圖跑得很慢就是了，網頁沒壞，只是很慢。的圖了。

我要看訓練成果！！

./darknet test /obj.data cfg / yolo-obj.cfg yolov4.weights /img/test.jpg

注意這邊有幾處要根據你的情況作修改

• yolov4.weights
  是你剛剛的train的weights，也就是obj.data裡面backup那項存放的位置的weights，
  例如backup = / weights
  你的weights會存在/weights/這個資料夾下，進到裡面後會看到系統自動幫你的weights命名。
  yolov4.weights要改成/weights/xxx.weights（xxx要看你該資料夾裡面哪一個weights）
• /img/test.jpg
  就是你的測試圖片，一樣要記得給完整路徑
  例如，/img/test.jpg
• 關於標注圖片，大概又可以寫一篇了…(累)
  等下次剛好要標註資料再來筆記吧～
• (好像有些段落會被自動英翻中 有發現的話再麻煩跟我說 謝謝)