Github 项目推荐 | 用 PyTorch 0.4 实现的 YoloV3

该库 fork 自 @github/marvis 的 pytorch-yolo2，不过作者没有直接修改或者更新 marvis 的源文件，因为很多文件已经改了文件名。所以本库和源文件有很大的差异，主要差异有以下几点：

• 某些程序是针对 Windows 环境重新构建的，例如 __name__ =='__ main __'（python程序中的变量）用于检查多线程；
• 加载和保存权重被修改为与 yolov2 和 yolov3 版本兼容（意味着此存储库适用于 yolov2 和 yolov3 配置而无需修改源代码。）；
• 完全支持 yolov3 检测和训练；
• region_loss.py 重命名为 region_layer.py；
• region_layer.py 和 yolo_layer.py 的输出包含在字典变量中；
• 代码被修改为在 pytorch 0.4 和 python3 上工作；
• 修改了一些代码以加快读数并简化读数。 （我不确定.. T_T）
• 在训练模式下，检查 nan 值并使用梯度裁剪。

如果您想了解训练和检测程序，请参阅 https://github.com/marvis/pytorch-yolo2 了解详细信息。

Github 链接：

https://github.com/andy-yun/pytorch-0.4-yolov3

按如下方式训练你的数据、coco、voc data：

python train.py -d cfg/coco.data -c cfg/yolo_v3.cfg -w yolov3.weights

• 新的权重保存在备份目录中以及时期编号（保存最后 5 个权重，您可以控制train.py中的备份数量）
• 上面的命令显示了培训过程的示例。 我没有执行上面的命令。 但是，我用预训练的yolov3.weights成功地训练了自己的数据。
• 您应该注意到，在yolov2或yolov3模型中使用时，锚信息是不同的。
• 如果要将预训练的权重用作初始权重，请在training命令中添加-r选项

python train.py -d cfg/my.data -c cfg/my.cfg -w yolov3.weights -r

最大的 epochs 选项是自动计算的，有时候会很小，所以你要在设置中修改 max_epochs。

• 为我自己的数据记录了 yolov2 和 yolov3 训练
• 单击图像后，视频将在 yoube.com 上播放

yolo2 训练记录，链接：

https://www.youtube.com/watch?v=jhoaVeqtOQw

yolo3 训练记录，链接：

https://www.youtube.com/watch?v=zazKAm9FClc

详细信息请查阅官方 Github 页面：

https://github.com/andy-yun/pytorch-0.4-yolov3