[yoloV3] 在训练过程中可能用得到得各种信息

1.查看当前得Ubuntu的版本

lsb_release -a

2.指定当前使用python3解释器

python3

3.多线程编译（32线程）

make -j32

4.Jetson Nano的配置

Jetson-nano的OS镜像已经自带了JetPack，cuda-10，cudnn7.3.1，tensorrt 5.0.6.21， opencv3.3等都已经安装好，不再需要额外的配置

5.把ubuntu桌面禁掉、启用


# ubuntu关闭图形用户界面
sudo systemctl set-default multi-user.target
sudo reboot


# ubuntu启用图形用户界面
sudo systemctl set-default graphical.target
sudo reboot

5.编译opencv3.3.1

https://blog.csdn.net/PustoTauranth/article/details/89648438
＃　这个博客会遇到下面的两个问题，解决方法见下面的６的两个博客链接

6.安装cuda、cudann

https://blog.csdn.net/qq_32408773/article/details/84112166

7.安装opencv3.3.1

会遇到3个问题：

https://blog.csdn.net/chanzhennan/article/details/90451968

这个要替换多次，本人一共替换了５次。

https://blog.csdn.net/AlexWang30/article/details/99612188

找不到cuda.hpp

https://blog.csdn.net/gbz3300255/article/details/90240912

怎么改都不对，于是最后没有装ｃｏｎｔｒｉｂｅ，这里的ｏｐｅｎｃｖ的作用也只是用于读取摄像头的支持而已，Ｃａｋｅ命令改为：

sudo cmake -D CMAKE_BUILD_TYPE=Release \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
	..

8.获得tiny-yolo预训练模型

 ./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15

9.对预训练模型进行进一步训练

yolov3:

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

tiny-yolov3:

./darknet detector train cfg/<project_name>.data cfg/<project_name>.cfg yolov3-tiny.conv.15
# modify yolov3-tiny.cfg and get the <project_name>.cfg

10.多gpu训练

在结尾加上：

-gpus 0,1,2

11.每次训练的时候，都记得要把结果输出为日志文件进行保存

./darknet detector train cfg/voc-bm.data cfg/yolov3-voc-bm.cfg darknet53.conv.74 2>1 | tee visualization/train_yolov3_bm.log

13.无法识别图像并不是出了问题，而是训练的数据集和应用数据集并不吻合

14.在Ubuntu18.04下安装ｌａｂｅｌＩｍｇ的方法：

来源：CSDN

作者：HNU_软2_chx

链接：https://blog.csdn.net/chenhanxuan1999/article/details/103937255

标签