在Jetson TX1上用YOLO训练VOC2007
来源:互联网 发布:航测软件 编辑:程序博客网 时间:2024/06/05 03:02
在Jetson TX1 上训练darknet
本文介绍在Jetson TX1上用VOC2007数据集训练YOLO。
Reference:
YOLO主页
1 下载数据集
Pascal VOC 数据集是一个用来进行目标检测的数据集,官网链接pascal voc
从上面下载VOC2007 的数据集,解压后放到 /darknet/scripts
2 修改
scripts下的voc_label.py可以用来将voc数据集转换成yolo格式的数据集,对voc_label.py进行修改
sets=[('2007','train'),('2007','val')] //这里只用了VOC2007里的train和validation数据集
如果是自己的数据集,需要相应的修改成VOC格式,在进行修改,
可以参考这里YOLO(v1)用自己的数据集训练模型
做自己的VOC2007数据集
运行pyhon voc_label.py后可以发现/VOCdevkit/VOC2007 下多了一个labels文件夹。
修改YOLO 源码
然后修改/darknet/src/yolo.c中的源码
char *train_images="/home/ubuntu/darknet/scripts/2007_train.txt" char *backup_directory= "/home/ubuntu/darknet/backup" //用来保存中间的权重
重新训练
make编译后,可以重新训练
./darknet yolo train cfg/tiny-yolo.cfg darknet.conv.weights
darknet.conv.weights 是卷积网络在分类网络上预训练的权重,在此基础上训练,
可以从这里下载darknet.conv.weights
下载后放到/darknet目录即可
在Jetson TX1 上训练时的技巧
由于TX1 只有4G的共用内存和显存,因此batch需要重新设置,更改tiny-yolo.cfg的配置
batch=64subdivisions=8
其中batch是64,指的是64张图片后更新权重,subdivions是为了适应GPU有限的资源,在这里GPU每次只处理 8(64/8)张图片.所以是进行8个新的子batch后更新权重。
此时可以在根目录下运行./tegrastats产看内存和现存资源占用情况,可以看到占用在3339/3994左右,还不会崩~
0 0
- 在Jetson TX1上用YOLO训练VOC2007
- Yolo在NVIDIA TX1上测试
- Jetson TX1上使用目标检测库YOLO出现电脑崩溃问题的解决方法
- 在Jetson TX1上编译运行Faster R-CNN
- 基于Jetson TX1的 YOLO: Real-Time Object Detection
- jetson TX1(2)-- 在 TX1上面安装 torch7
- jetson TX1(4)-- 在 TX1上面安装 tensorflowr0.9
- NVIDIA Jetson TX1 系列开发教程之十三:使用OpenCV在图像上添加汉字
- NVIDIA Jetson TX1 系列开发教程之十四:YOLO安装与优化加速
- yolo-face 使用yolo v2 在CelebA上训练的人脸检测器
- 仿照VOC2007制作自己的数据集,并在Caffe上训练Faster-RCNN
- jetson tx1 上运行sudo rosdep init失败解决方法
- ubuntu--jetson tx1 源
- Jetson TX1使用记录
- jetson tx1 ros 安装
- Jetson TX1 NVIDIA CUDA
- jetson TX1 安装ROS
- jetson tx1使用记录
- bitivise ssh server下载、安装及配置图解
- JSP中--->中文乱码问题
- AngularJS基础入门初探
- LeNet-5网络的参数及连接个数
- 16.12.10 C组总结
- 在Jetson TX1上用YOLO训练VOC2007
- Unable to load configuration的解决方法
- 概率图论的 D-分隔
- cin、cin.get()、getline()
- 8.3 Spring Data REST
- ionic分页
- 【已解决】携带cookies的跨域访问
- 宏定义中有return导致至少浪费15分钟
- NBUT 1007 第几天 C来写,代码思路清晰