MX_yolo完全配置手册

前言

首先感谢 Kelvin_927 老师提供的MX-Yolo3;

其次感谢 xiaocaishu 提供的MX_yolov3 部署在 k210 的环境搭建;

第三感谢自己抽出打游戏的时间来写这个帖子;

本贴主要帮助第一次接触MX-Yolo并且没有配置过 python 的萌新，旨在快速帮助大家入门。

完全图文教程，~因此会有大量图片，请注意自己的流量。放心食用。

软件下载

1. 下载Anacoda；
2. 下载MX-Yolo3，这里提供个人分流网盘。(访问码:m8ip)

软件配置

1. 打开下载的Anacoda，安装，next，如下图时选择ALL Users。继续安装，直到安装完毕。注意记住安装路径，后续会用到。

2. 运行Anacoda。点击Environment,点击Create，Name填入Mx_yolov3,python版本勾选3.7，点击Create创建。

3. 下载Tensorflow-GPU。在Environment中点击MX_yolov3，serch搜索Tensorfow-gpu，右键Tensorfow-gpu，点击Mark for specific version installation，勾选1.15.0，右下角apply。

   

4. 安装MX_yolov3。下一步下一步下一步。注意安装路径。安装完毕后，打开安装路径，打开1.环境配置文件夹,打开data，找到pip.txt,记事本打开，删除Tensorflow的两行。结果如下：

   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. 启动MX_yolov3虚拟环境。打开conda powershell，输入 conda activate Mx_yolov3激活虚拟环境。

   

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

6. 验证结果。打开系统自带cmd，输入pip list,出现下图即为成功。

   

7. 配置系统环境变量。打开系统属性，环境变量，找到系统变量中的path，右键编辑，将如下两行代码加入环境变量中。注意替换Anaconda安装路径，上文已经让你记下来了，记不住慢慢找。建议将这两行环境变量上移到最前面，能有效解决很多问题。

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

8. 验证python指向。如果python指向错误，后面将会出现各种各样错误。
   打开cmd，输入python，正确结果应该是

   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.
   
   

如果不一样，请检查环境变量，确保python指向正确。

9. 安装cuda。打开4中的data文件夹，打开CUDA+Cudnn，安装CUDA。同样记住安装路径。安装完毕后，解压cudnn，将cuda中文件复制到CUDA中。CUDA文件夹在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0中，注意C:\Program Files指的是前面的安装路径。

   

10. 修改预训练权重。打开data文件夹，复制mobilenet.py到Anaconda3\envs\Mx_yolov3中的Lib\site-packages\keras\applications中。

11. 放置模型。复制data的.keras文件夹，粘贴到C:\Users\Lithromantic,注意替换Lithromantic为你的用户名。

运行软件

打开MX-yolov3，尝试训练自带的模型。如果出现任何问题，请在下方回复以寻求帮助。

已知问题

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

解决办法：打开cmd，执行pip intsall --upgrade h5py，然后执行pip intsall h5py==2.10.0