MX_yolo完全配置手冊

前言

首先感謝 Kelvin_927 老師提供的MX-Yolo3;

其次感謝 xiaocaishu 提供的MX_yolov3 部署在 k210 的環境搭建;

第三感謝自己抽出打游戲的時間來寫這個帖子;

本貼主要幫助第一次接觸MX-Yolo並且沒有配置過 python 的萌新，旨在快速幫助大家入門。

完全圖文教程，~因此會有大量圖片，請注意自己的流量。放心食用。

軟件下載

1. 下載Anacoda；
2. 下載MX-Yolo3，這里提供個人分流網盤。(訪問碼:m8ip)

軟件配置

1. 打開下載的Anacoda，安裝，next，如下圖時選擇ALL Users。繼續安裝，直到安裝完畢。注意記住安裝路徑，后續會用到。

2. 運行Anacoda。點擊Environment,點擊Create，Name填入Mx_yolov3,python版本勾選3.7，點擊Create創建。

3. 下載Tensorflow-GPU。在Environment中點擊MX_yolov3，serch搜索Tensorfow-gpu，右鍵Tensorfow-gpu，點擊Mark for specific version installation，勾選1.15.0，右下角apply。

   

4. 安裝MX_yolov3。下一步下一步下一步。注意安裝路徑。安裝完畢后，打開安裝路徑，打開1.環境配置文件夾,打開data，找到pip.txt,記事本打開，刪除Tensorflow的兩行。結果如下：

   imgaug==0.2.6
   opencv-python==4.0.0.21
   Pillow==6.2.0
   requests==2.24.0
   tqdm==4.48.2
   sklearn==0.0
   pytest-cov==2.10.0
   codecov==2.1.8
   matplotlib==3.0.3
   pascal_voc_writer==0.1.4
   PyQt5==5.15.0
   numpy==1.16.2
   keras==2.3.1
   scikit-learn==0.22.2
   seaborn==0.11.0
   alive-progress==1.6.1
   h5py==2.10.0
   pyecharts==1.9.0
   matplotlib==3.0.3
   

   保存到桌面。

5. 啟動MX_yolov3虛擬環境。打開conda powershell，輸入 conda activate Mx_yolov3激活虛擬環境。

   

   輸入cd .\Desktop\，回車，輸入pip install -r pip.txt -i https://pypi.douban.com/simple,回車。

6. 驗證結果。打開系統自帶cmd，輸入pip list,出現下圖即為成功。

   

7. 配置系統環境變量。打開系統屬性，環境變量，找到系統變量中的path，右鍵編輯，將如下兩行代碼加入環境變量中。注意替換Anaconda安裝路徑，上文已經讓你記下來了，記不住慢慢找。建議將這兩行環境變量上移到最前面，能有效解決很多問題。

   D:\ProgramData\Anaconda3\envs\Mx_yolov3\Scripts
   D:\ProgramData\Anaconda3\envs\Mx_yolov3
   

8. 驗證python指向。如果python指向錯誤，后面將會出現各種各樣錯誤。
   打開cmd，輸入python，正確結果應該是

   Python 3.7.10 (default, Feb 26 2021, 13:06:18) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
   
   Warning:
   This Python interpreter is in a conda environment, but the environment has
   not been activated.  Libraries may fail to load.  To activate this environment
   please see https://conda.io/activation
   
   Type "help", "copyright", "credits" or "license" for more information.
   
   

如果不一樣，請檢查環境變量，確保python指向正確。

9. 安裝cuda。打開4中的data文件夾，打開CUDA+Cudnn，安裝CUDA。同樣記住安裝路徑。安裝完畢后，解壓cudnn，將cuda中文件復制到CUDA中。CUDA文件夾在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0中，注意C:\Program Files指的是前面的安裝路徑。

   

10. 修改預訓練權重。打開data文件夾，復制mobilenet.py到Anaconda3\envs\Mx_yolov3中的Lib\site-packages\keras\applications中。

11. 放置模型。復制data的.keras文件夾，粘貼到C:\Users\Lithromantic,注意替換Lithromantic為你的用戶名。

運行軟件

打開MX-yolov3，嘗試訓練自帶的模型。如果出現任何問題，請在下方回復以尋求幫助。

已知問題

1：ImportError: load_weightsrequires h5py when loading weights from HDF5.

解決辦法：打開cmd，執行pip intsall --upgrade h5py，然后執行pip intsall h5py==2.10.0