Python影像辨識筆記(十二)：使用YOLOv4進行COCO資料集訓練

注意：

[1]AlexeyAB版本中，labels的txt文件必須和images在同一個目錄底下，否則訓練過程中會出現loss都是0的問題
[2]如果訓練時出現NaN的狀況：1.調低learning_rate、2.scales可調成.01
[3]如果遇到無法載入圖片的問題，可能的原因：（1）在Windows作業系統上編輯了資料集圖片路徑清單導致（2）資料集圖片解壓縮不完整，請將整個資料夾移除後，重新下載
[4]如果沒有OpenCV的話，會遇到無法使用mosaic資料增強、chart.png輸出的問題，盡量在有OpenCV的環境上進行訓練，除此之外，模型訓練出來的mAP可能會比有OpenCV的少將近2%
[5]chart.png可以用來判斷loss有沒有隨著訓練次數越多而跟著下降，並且從中觀察有沒有overfitting

參考資料：

https://github.com/AlexeyAB/darknet/wiki

Train Detector on MS COCO

darknet训练yolov3时的一些注意事项 - hejunlin - 博客园

前言：

本次有幸使用四顆NVIDIA Tesla V100的GPU，進行YOLOv4 Model的訓練，在訓練效能上，比以前只用Jetson TX2快上許多。

因此，我想藉由這次機會，和大家分享，如何自己訓練COCO Dataset的YOLOv4 Model。

本文：

下載darknet

$ git clone https://github.com/AlexeyAB/darknet
$ cd darknet

修改Makefile並進行darknet編譯