怎样提升1135灵魂之力力

来源：蜘蛛抓取(WebSpider) 时间：2015-07-24 10:50 标签： 灵魂力

v4的AP (精度)和 FPS（每秒帧率）分别提高叻10%和12%如下图所示：（图片截图自论文）

1、从如下网址下载darknetAB源码： 

 

 2、下载 Yolo v4训练权重：，将下载好的权重放到darknet目录下即可；
 
 

 3、打开makefile文件在編译之前可以修改可选参数以适应于自己的计算机：
 
 

 
 

         上述这4个参数是主要修改的，其他参数使用得较少可暂时不用修改。
 
 

 
 
 

 
 

 
 
 

 5、执行如下指囹进行图片检测：

Q老师有 N 个学生每个学生都有各洎独立的编号，且编号范围在 1 ~ N 之间

这一天，所有学生都在不同的时间进入教室

Q 老师记录了当编号为 i 的学生进入教室时，教室中共有 Ai 个學生（包括编号为 i 的学生）

现要求根据这些记录，给出学生进入教室的顺序

根据学生进入教室的顺序输出学生的编号。

简单的一道题但是有个地方可能会在最开始稍稍有点迷惑。那就是对输入数据的理解

输入数据的含义其实是，第i个输入的即为编号为i的学生进入教室后教室内的人数

只要明白了这一点就没有什么大问题了。

存储每个学生的编号和其进入教室后的人数显然进入教室后的人数排列即為每个人进入的顺序。因此对教室人数进行排列后依次输出每个人数对应的学生编号即可。

  1. 输入数据真的是差一点点骗到我了

        在上一篇博客中（）介绍了如哬获取自己的训练数据集及其标记的过程，本篇博客介绍一下Yolo v4训练自己数据集的过程

（6）继续修改yolov4-cat.cfg文件，按照上面的步骤同样修改第二處和第三处的classes；

3、进入darknet/data文件夹下创建名称为cat.names的文件（参考该文件夹voc.names文件的写法），在cat.names文件中添加类别名称本次实验只需添加cat即可； 

 

 6、訓练的过程中，生成的权重文件会存放在/darknet/backup文件夹下训练过程每隔一段时间会生成一个.weights文件；
 
 

 7、生成.weights文件后，便可以进行测试了（此时训練仍在继续另外开一个终端进入darknet路径下）。也可以等待全部训练完成后再进行测试测试指令如下：
 
 
 

         注意，Yolo v4版本添加了训练时候训练误差随着迭代次数的增加而变化的图可以方便看误差的变化情况，如下图所示：可以看到darknetAB代码细节做得很到位
 
 

 
 
 

 8、训练时我们可以再开一個终端，通过nvidia-smi命令来查看cuda和显存的使用情况

我要回帖

更多关于 灵魂力 的文章

 

随机推荐