1、整体项目

1.1 环境

• 一个有debug功能的IDE，建议Pycharm
• PyTorch深度学习开发环境
• 下载COCO数据集：
  1. 训练集，是很大的数据
  2. 验证集，是很大的数据

1.2 数据

依次进入以下地址：
项目位置\PyTorch-YOLOv3\data\coco\images，一共有两个文件：

进入训练集：

训练集有8万张图片，验证集有4万张。

进入标签数据中（项目位置\PyTorch-YOLOv3\data\coco\labels\labels\train2014）：

随便打开一个，记录的都是坐标：

选中标签文件的名字，在数据中搜索，可以搜索到对应的：

也就是说数据和标签的名字都是一一对应的。

如图所示，当前的图片，在标签中有8行数据，意味着图片中有8个物体被框住，而且已经被标注了位置（对角线两个点的坐标确定了框）

在这里还有一个文件：trainvalno5k.txt，记录了所有训练数据的路径，这是读数据的路径

1.3 配置文件

在这里有一个配置文件：项目位置\PyTorch-YOLOv3\config\yolov3.cfg
主要包括了一些参数，还有所有网络模型的结构的参数：

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

最后还有一个yolo层，9个候选框：

[yolo]
mask = 0,1,2
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=80
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1

2、配置运行参数：

需要指定以下参数才能运行（新版pycharm配置运行参数教程）：

–data_config config/coco.data
–pretrained_weights weights/darknet53.conv.74

pretrained_weights weights/darknet53.conv.74，表示用一个已经预训练的模型做初始化操作。

在这里有一个coco.data文件：项目位置\PyTorch-YOLOv3\config\coco.data

classes= 80
train=data/coco/trainvalno5k.txt
valid=data/coco/5k.txt
names=data/coco.names
backup=backup/
eval=coco

这个文件记录了当前训练所有需要的信息，比如：

1. 80分类任务
2. 训练数据（存了训练数据路径的文件）
3. 验证数据

简要流程介绍：

1. 配置所有参数
2. 模型构造（模型怎么定义的，前向传播是怎么走的）
3. 读进预训练模型和数据
4. 训练