我尝试根据https://www.youtube.com/watch?v=mmj3nxGT2YQ&t=1747s来训练自定义对象。在训练部分,当我在我的 colab 上运行此代码时
!./darknet detector train data/obj.data cfg/yolov4-obj.cfg yolov4.conv.137 -dont_show -map
我收到如下错误:
/bin/bash: ./darknet: 没有这样的文件 或者 /bin/bash: ./darknet: 是一个目录
我该怎么办?
在运行命令之前运行
!make
(对于 colab)
我遇到了同样的问题,我在运行该行之前使用了“pwd”,我注意到我位于不同的目录中(我位于 Darknet 文件夹中)。所以我用“cd”更改了文件夹路径以转到 darknest 文件夹并再次运行该行。
在 Colab 上使用 Yolo 进行自定义对象检测训练时需要遵循以下步骤:
# clone darknet from github to create a darknet folder inside /content on colab
!pwd
# /content/darknet
!make
# modify Yolo cfg, copy images etc. and make the training data ready
!pwd
# /content/darknet
# now train
!./darknet detector train data/obj.data cfg/yolov4-obj.cfg yolov4.conv.137 -dont_show -map
对于 Roboflow Colab 笔记本:
更改 git clone 命令并克隆 AlexeyAB darknet 存储库:
!git clone https://github.com/AlexeyAB/darknet.git
Roboflow Colab 笔记本: 您可以将其替换为 AlexeyAB darknet git,而不是使用 roboflow darknet git。老实说,这个动作节省了我的时间。如果您使用 robflow 的未更改的 git 在自定义数据上训练您的模型,您应该替换它。
忽略标题之前的所有单元格:“在 Colab 上为 YOLOv4 安装 Darknet” 然后运行以下单元格,然后您可以继续到最后
“”“
# clone darknet repo
!git clone https://github.com/AlexeyAB/darknet
# change makefile to have GPU and OPENCV enabled
%cd darknet
!sed -i 's/OPENCV=0/OPENCV=1/' Makefile
!sed -i 's/GPU=0/GPU=1/' Makefile
!sed -i 's/CUDNN=0/CUDNN=1/' Makefile
!sed -i 's/CUDNN_HALF=0/CUDNN_HALF=1/' Makefile
# CUDA: Let's check that Nvidia CUDA drivers are already pre-installed and which version is it.
!/usr/local/cuda/bin/nvcc --version
# We need to install the correct cuDNN according to this output
!make
“”“