2020年8月28日

Google Colab+ TensorFlow2.x-YOLOv3 训练自定义数据库

Posted in Python By On 2020年8月28日，1243 Views

Google Colab可以免费使用Tesla K80 GPU + 15G免费空间。在Intel(R) Core(TM) i7-8550U CPU 8G RAM的无GPU的笔记本中，需要14个小时的TensorFlow2.x-YOLOv3 自定义数据库的训练，在Google Colab Tesla K80 GPU 仅需要35分钟可训练完成。

本文将记录如何在Google Colab中完成上一篇文章TensorFlow2.x-YOLOv3训练自定义数据库提到的训练。本攻略需要在可以正常访问谷歌云盘的前提下参考。

参考文献

欢迎使用 Colab（https://colab.research.google.com/notebooks/intro.ipynb#scrollTo=-Rh3-Vt9Nev9）

Google Colab使用步骤

1. 登录谷歌云盘，在云盘中新建名为colab_GPU文件夹，进入新建的文件夹，在文件夹内的空白处单击右键，在弹出菜单中选择【更多】—> 选择 Colaboratory。

若是首次使用，【更多】可能没有Colaboratory，选择【关联更多应用】，在搜索栏搜索Colaboratory并添加即可。

2. 根据提示进行笔记本设置，设置完成后，即可运行Python代码，试运行代码及结果如下。

Google Colab+ TensorFlow2.x-YOLOv3 训练自定义数据库

1. 安装Keras

Colab 自带了 Tensorflow、Matplotlib、Numpy 等基础库，但并没有keras。要训练TensorFlow2.x-YOLOv3 自定义数据库，我们首先运行下面的代码来安装必要的库和授权：

from google.colab import

drive drive.mount('/content/drive/')

根据提示进行操作，操作成功后的提示如下：

Enter your authorization code:

··········

Mounted at /content/drive/

每次打开新的Colab Notebook或者断开后重新连接，都需要重新授权。

2. 授权成功后安装Keras。

1	!pip install keras

3. 将训练文件上传至谷歌云盘新建的Colab_GPU文件夹内，并解压缩。

1	!7z e 'Tensorflow2.x_YOLOV3.7z-o' 'Tensorflow2.x_YOLOV3'

4. 为了沿用训练程序中的相对路径，切换工作路径。每次打开新的Colab Notebook或者断开后重新连接，需要重新设置工作路径

import os

path = "/content/drive/My Drive/Colab_GPU/Tensorflow2.x_YOLOV3"

os.chdir(path)

os.listdir(path)

5. 开始训练

1	!python3 "/content/drive/My Drive/Colab_GPU/Tensorflow2.x_YOLOV3/train.py"

Google Colab+ TensorFlow2.x-YOLOv3 训练模型的使用方法

请参考TensorFlow2.x-YOLOv3训练自定义数据库一文中的【如何在自己的程序中调用训练模型】这一节章节。在本地电脑中训练完成后，train.py路径下会发现“yolov3.index”和”yolov3.data-00000-of-00001″这两个文件，它们就是我们训练得到的模型。但在Google Colab中，train.py路径下会有三个文件生成，如下所示，我们用这三个文件替代本地电脑中生成的两个文件即可，其他部分不需要做任何修改。