---
title: 'YoloV4 Darknet'
disqus: hackmd
---

YoloV4 Darknet
===

[TOC]

## 1. Train

### 1. Weight file
下載cfg/yolov4-custom.cfg預訓練的權重文件 (162 MB)：[yolov4.conv.137](https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.conv.137)
### 2. Cfg file
複製yolov4-custom.cfg並改名為yolo-obj.cfg並更改其中內容

#### 1. batch=64
#### 2. subdivisions=16(依據電腦效能如果較差請變更為不同倍數，如:32、64)
#### 3. max_batches=6000 (依據class*3000)
#### 4. steps=4800,5400(batches的80% ~ 90%)
#### 5. width=416, height=416
#### 6. classes=80 (Yolo layer中的classes根據自己的classes更改
#### 7. filters=255 (Yolo layer前的 convolutional layer根據(classes + 5)x3改變

### 3. train image and valid image
將要訓練的圖片以及圖片標註的txt個別放到train、valid的資料夾當中(自行創立資料夾)
### 4. train txt and valid txt
建立兩份txt提供yolo找到image的路徑，而此txt可以使用這個github的image_txt來產生
https://github.com/HZM111368024/YoloV4_Script/blob/main/image_txt.py
:::warning
Script 中請根據圖片路徑修
:::

### 5. obj.names
在 build\darknet\x64\data\創建obj.names，內容則是訓練中有幾個class name，如下圖
### 6. obj.data
在 build\darknet\x64\data\創建obj.data，內容則是訓練中所需的資訊裡面有class、train.txt路徑、valid.txt路徑、obj.names路徑跟訓練後weight儲存路徑，如下圖
### 7. Train
在daknet中x64這層資料夾使用下面這行command執行訓練

darknet.exe detector train data/obj.data yolo-obj.cfg yolov4.conv.137 -map

結束後會在backup中產生每1000次的weight檔案，訓練過程中也可以看到loss、map的變化

參考資料
---

###### tags: `setup`,