第一步:在Github上找到想要的库,以YOLOv3项目为例。
第二步:仿制这个库到自己的电脑上,下载到本地。
办法一:在GitHub上,Code -> Download ZIP(有的时候会有一些问题,不建议)
办法二:使用Git
GitHub中项目的README.md部分仔细阅读(说明书),其间:
仿制Git指令git clone https://github.com/BobLiu20/YOLOv3_PyTorch.git
在cmd中运转,此处将下载的代码放在桌面上,默许现已装置了Git:
(Git的下载装置及配置参阅:zhuanlan.zhihu.com/p/123195804)
这样就可以下载到本地桌面:
第三步:依照说明书上的指示,运转代码需求装置一些第三方库
作者写在了README.md部分:
打开桌面下载的YOLOv3_PyTorch代码包中requirements.txt
文件可以看见跑这个项目需求用到的库:
一个一个用pip装置非常繁琐,仿制上述第三行代码pip3 install -r requirements.txt --user
在cmd中运转即可自动装置:
第四步:下载数据集
同样在cmd中运转:
第五步:下载预练习权重
根据README.md,需求下载预练习权重。YOLOv3作为一个深度卷积神经网络,全体分为两部分,backbone和其余部分。backbone里面的参数初始化不是随机初始化的,而是加载预练习的数据,即提早在其他数据集上练习过,让模型有了一个根本的识图才能,接下来模型的其余部分再放到coco数据集上去练习,使得它在具有识图才能的基础上取得检测物体的才能,所以需求一个预练习的权重文件用来初始化backbone参数。
该文件darknet53_weights_pytorch.pth
是一个pth文件,即练习的权重文件。
谷歌云盘或者百度云盘即可下载,下载好了之后把它放到项目的weights
文件夹中。
第六步:练习模型
根据README.md,需求到training文件夹里发动Python脚本training.py
,同时training.py
需求一系列外部参数,这些外部参数界说和赋值放在 params.py
中:
在cmd中运转上述代码:
你认为这样就可以顺利的练习了吗?no!肯定会报错。
其实在复现代码没有幻想的那么简略,把代码、数据下载下来,然后回车,程序就运转了?没有这么简略,都要先debug一遍。
之后就是跟着报错问题一步一步改,直到程序成功运转~
其实复现GitHub中的代码就只要跟着README.md一步一步来就好了,that’s all.