小前言

延續上一篇文章的步驟，目前還有obj.data檔案以及模型的cfg檔要進行設定，這邊要說明一下先前下載的yolov3.weight以及yolov4.weight是用來測試的權重檔，若是要下載用來訓練yolov3模型的預訓練權重檔為darknet53.conv.74以及yolov4.conv.137。

訓練前的其他前置作業:

1. 在cfg資料夾中創立一個名稱為weights的資料夾用於存放訓練過程中的模型權重檔。
2. obj.data檔案設定
   開啟檔案並將內容設定為以下內容:

   #目標辨識類別的數量
   classes = 4
   #訓練集以及測試集的list txt檔案位置
   train = cfg/train.txt
   valid = cfg/valid.txt
   #類別名稱檔案位置
   names = cfg/obj.names
   #權重檔的儲存路徑
   backup = cfg/weights
   

3. 先前從網路上下載的darknet53.conv.74以及yolov4.conv.137權重檔放置於cfg資料夾當中。
4. 從cfg_origin資料夾中複製yolov3.cfg模型檔案以及yolov4-custom.cfg模型檔案到cfg資料夾中。
5. 開啟cfg資料夾中的yolov3.cfg檔案以及yolov4-custom.cfg檔案:
   • 會發現兩者的模型檔案都會有三個[yolo]在裡面，需要將每個[yolo]上方的filters數量都進行修改。

     • 修改的內容為filters=(classes + 5) * 3 ，因為我們要檢測的類別為4類，所以filters數量=(4+5)*3=27。

       

   • 也會看到classes:文件內容當中的全部classes數量也要進行修改，都設成資料集辨識類別數量(4)。
     

• 此時的cfg資料夾中的存放資料示意圖為:
  

完成上述作業後，訓練前的前置作業就大功告成了。

訓練階段

1. 開啟終端機terminal，並cd進到darknet_master(darknet)資料夾中。
2. yolov3的模型訓練指令:

   darknet.exe detector train .\cfg\obj.data .\cfg\yolov3.cfg cfg\darknet53.conv.74
   

3. yolov4的模型訓練指令:

   darknet.exe detector train .\cfg\obj.data .\cfg\yolov4-custom.cfg cfg\yolov4.conv.137
   

• 執行後有看到以下畫面就代表已成功進行模型訓練
  
  • 左側是顯示出目前訓練到第幾個epochs，loss目前多少，右側的圖會繪出loss的收斂曲線。

可能會遇到的問題:

• out of memory:

  

  • 原因:可能影像無法按照設定的batch數將batch影像匯入到顯卡記憶體當中。

  • 解決辦法: 以yolov4為例，訓練yolov4時出現out of memory錯誤時，開啟cfg資料夾中的yolov4-custom.cfg檔案，將文件最上方training的batch以及subdivisions值，改成小一點的數字，或是調整輸入影像大小。

    

本篇文章已經成功能將yolov3以及yolov4成功使用筆電GPU執行訓練，各位讀者也可以參照上述方法完成模型訓練。

這邊目前我臨時採用筆電進行訓練，模型訓練過程會使電腦發燙，為了避免筆電過熱受損，只演示能成功進行訓練的步驟，沒有讓訓練跑到底，後續回到宿舍後，會利用散熱效果較好的桌上型電腦進行訓練，並在最後的幾篇文章中，統一將每一代的YOLO訓練結果數據進行展示。