/YOLO-Fastest-on-a-no-gpu-windows-computer

describes the process to train a YOLO-Fastest model on a no-gpu computer

Primary LanguageC

YOLO-Fastest-on-a-no-gpu-computer

describes the process to train a YOLO-Fastest model on a no-gpu computer

该项目以仅有三张训练集和一个类别的数据集来进行演示，仅为记录一下流程。
部分参考自： YOLO-Fastest训练自己的数据

1.下载源码

从 https://github.com/dog-qiuqiu/Yolo-Fastest 上下载源码

2.编译源码

这一步是为了得到darknet.dll和darknet.exe

2.1.安装相关软件

安装Cmake：https://cmake.org/download/

安装vs2015：https://my.visualstudio.com/Downloads?q=visual%20studio%202015&wt.mc_id=o~msft~vscom~older-downloads

安装opencv：https://opencv.org/releases/

注意：cmake的安装路径不能有中文，且opencv要添加到环境变量里

2.2.Cmake编译

修改源码目录下的Makefile中的前四行参数：

GPU=0
CUDNN=0
CUDNN_HALF=0
OPENCV=1

接着打开Cmake，按照下图配置：

image

点击配置configure：

image

提示找不到opencv时注意路径就在opencv下的build文件夹。

注意一定选择vs14 2015，否则会出现AMD64相关报错。
然后点击generate即可

2.3.vs2015

用vs2015打开ALL_BUILD.vcxproj

image

配置成release输出，点击生成解决方案：

image

2.4.

此时已在目录下生成Release文件夹，将其中的darknet.dll和darknet.exe复制到/build/darknet/x64下，将ModelZoo\yolo-fastest-1.1_coco中的yolo-fastest-1.1.cfg, yolo-fastest-1.1-xl.cfg, yolo-fastest-1.1.weights, yolo-fastest-1.1-xl.weights复制到/build/darknet/x64/cfg下,并修改yolo-fastest-1.1.cfg：

1 line：  

[net]
batch=16
subdivisions=8
width=320
height=320  

858 and 926 line：  

filters=18  

865 and 933 line：  

classes=1  
  
#可将17行的max_batches调成10来快速训练走下流程

3.构建数据集

/build/darknet/x64/data目录下就是数据集相关的文件。
要用到的照片放在image文件夹中，然后标注后的xml文件放在Annotations文件夹中，然后运行makedata.py和/build/darknet/x64目录下的voc_label.py，最后将labels文件夹里的txt文件全部复制进入images，即可生成yolo格式的数据集。

image

image

接着在/build/darknet/x64/data目录下新建eye.data和eye.names： Eye.data:

classes= 1
train  = data/train.txt
valid  = data/test.txt
names = data/eye.names
backup = backup/

eye.names:包含类别

eye

4.训练

在/build/darknet/x64新建一个model文件夹用来存放模型

在/build/darknet/x64目录下新建一个eye.bat文件，作为预训练，预训练模型存放在/build/darknet/x64/model中，其中写入：

darknet partial cfg\yolo-fastest-1.1.cfg cfg\yolo-fastest-1.1.weights model\yolo-fastest-1.1.conv.109 109
pause

然后双击该文件开始预训练模型

再新建一个eyefull.bat文件来完整训练，其模型存在其中/build/darknet/x64/backup中，向其中写入：

darknet detector train data\eye.data cfg\yolo-fastest-1.1.cfg model\yolo-fastest-1.1.conv.109 backup\
pause

双击开始训练模型：

image

5.运行模型

在/build/darknet/x64新建一个eyerun.bat，其中写入：

darknet.exe detector test ./data/eye.data ./cfg/yolo-fastest-1.1.cfg ./backup/yolo-fastest-1_final.weights ./data/test/0.jpg
pause

要检测图片存放在/build/darknet/x64/data/test中

image