@TOC

WARNING!

本教程所使用的的程序为下图所示版本（https://blog.csdn.net/weixin_44791964/article/details/103276106）

基于Tensorflow -GPU2.0.0+Keras2.3.1

准备数据

准备好图片以及标注文件：分别存放在VOCdevkit/VOC2007/JPEGImages和Annotations文件夹。
在model_data文件夹下面创建一个自己的分类txt文件（我这里以我创建的new-classes.txt为例）这个记事本里面存放的是数据集分类的类别名称（最后一行不能有空格！！！）
将预训练的权重文件保存在model_data文件夹下面。

创建文件名的索引

在VOCdevkit/VOC2007文件夹中的voc2yolo3文件运行即可（记得在每次运行前手动删除VOCdevkit/VOC2007/Imagesets/Main里面的四个txt文件以及根目录下的2007_train test val三个文件）

合并图像文件与标注文件

合并图像文件与标注文件。修改
为自己的数据集的类别名称，然后运行该程序。若出现一下错误：
注意检查自己的标签和路径中不要使用中文。（这边要注意下：如果自己将这些文件都生成好了cp到服务器上面运行的时候一定会报错，就是因为这个2007_train.txt里面的路径是自己电脑上的索引，所以必须在服务器上面生成这三个文件，这样在训练的时候，程序才能找到图片以及对应的标注文件。）

开始训练

主要在程序里面修改batchsize以及epoch。这个程序冻结部分网络结构，以防止初期权值被破坏，并且可以解冻后再训练。
ATTENTION:我这里训练采用的是yolov3作者给的预训练好的权重文件。

预测predict.py

在训练完成之后，/logs文件夹下面会生成几个.h5的权重文件。其中last1.h5是最终的权重文件，需要我们cp到model_data文件夹里面。修改yolo.py文件夹中的路径文件名

model_path为训练好的权重文件的路径