正常情况下，很多时候都是直接使用预训练模型进行训练
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74
如果出现意外还可以继续使用.backup文件进行训练
./darknet detector train cfg/coco.data cfg/yolov3.cfg backup/yolov3.backup
如果加上-clear 则模型会从初始状态开始
./darknet detector train cfg/coco.data cfg/yolov3.cfg backup/yolov3.backup -clear
初始指的是迭代次数学习率，具体可以看cfg文件里面的参数。
下面是一些常用的命令记录一下
./darknet detector test <data_cfg> <models_cfg> <weights> <test_file> [-thresh] [-out]
./darknet detector train <data_cfg> <models_cfg> <weights> [-thresh] [-gpu] [-gpus] [-clear]
./darknet detector valid <data_cfg> <models_cfg> <weights> [-out] [-thresh]
./darknet detector recall <data_cfg> <models_cfg> <weights> [-thresh]
</weights></models_cfg></data_cfg></weights></models_cfg></data_cfg></weights></models_cfg></data_cfg></test_file></weights></models_cfg></data_cfg>
‘<>’必选项，'[ ]’可选项
data_cfg：数据配置文件，eg：cfg/voc.data
models_cfg：模型配置文件，eg：cfg/yolov3-voc.cfg
weights：权重配置文件，eg：weights/yolov3.weights
test_file：测试文件，eg： //*/test.txt
-thresh：显示被检测物体中confidence大于等于 [-thresh] 的bounding-box，默认0.005
-out：输出文件名称，默认路径为results文件夹下，eg：-out “” //输出class_num个文件，文件名为class_name.txt；若不选择此选项，则默认输出文件名为comp4_det_test_”class_name”.txt
-i/-gpu：指定单个gpu，默认为0，eg：-gpu 2
-gpus：指定多个gpu，默认为0，eg：-gpus 0,1,2
后台运行
nohup ./darknet detector train .data .cfg .weights -map -clear -gpus 2,3 -dont_show &
nohup ./darknet detector train .data .cfg .weights -map -clear -gpus 2,3 -dont_show >>.out &
Original: https://blog.csdn.net/weixin_46984358/article/details/122818516
Author: 正积分
Title: 【无标题】
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/683128/
转载文章受原作者版权保护。转载请注明原作者出处！