YOLOv4基于darknet的训练过程与yolov3的训练过程基本一样。

包括一些文件夹，需要修改的文件以及需要修改的参数都是一样的。

本文简单记录一下自己YOLOv4的训练过程，稍微详细版可以参考【YOLOv3】基于darknet的训练过程（简洁版）

（一）测试工作

下载yolov4.weights、yolov4.conv.137，修改makefile文件等等，进行测试。
目的就是：看看官方例程能不能跑通，能跑通，就可以继续训练自己的数据集了。

（二）准备数据集

darknet-master\build\darknet\x64文件夹下我新建了一个myData文件夹，存放我要训练的数据集。

darknet-master\build\darknet\x64\myData文件夹下运行test.py。【注意路径】
darknet-master\build\darknet\x64文件夹下新建my_labels.py，并运行。【注意路径】

【上面这张图逻辑很凌乱，没试过YOLO训练的人看起来估计是一头雾水，有问题可以私聊。】

（三）修改配置文件

darknet-master\cfg文件夹下新建my_data.data、my_yolov4.cfg文件。
darknet-master\build\darknet\x64\myData文件夹下新建myData.names文件。
【可以复制里面的文件，改成自己的文件名，然后再修改内容】

这三个文件放在哪个文件夹下都可以，但是要记住路径，不要搞混了（后面训练会用到这文件路径）。其内容修改方法与yolov3极其类似。

（四）训练前奏

1. 检查Annotations、ImageSets、JPEGImages内容是否有错误？
2. 检查labels文件夹里面的txt文件内容格式是否正确？
3. 检查myData_train.txt、myData_test.txt、myData_val.txt格式是否正确？
4. 检查my_yolov4.cfg文件需要修改的内容是否修改完成，是否修改成training模式？
5. 检查my_data.data文件里面的路径是否正确？
6. 检查myData.names文件里面的类别是否有拼写错误？
7. 下载yolov4.conv.137，放在darknet-master文件夹下。
8. 以上都检查无误，下面就可以训练了。

标红的三个文件很重要，务必检查一遍。

（五）训练进行时

在darknet-master文件夹根目录下运行：

# 指定gpu训练，默认使用gpu0（查看GPU情况，`nvidia-smi`）
./darknet detector train cfg/my_data.data cfg/my_yolov4.cfg yolov4.conv.137 -gups 0,1,2,3

【注意自己的my_data.data、my_yolov4.cfg路径以及文件名称】
【和YOLOv3训练过程一样】

后续：
看有人说，.cfg文件里面的max_batches参数一般设置成classes*2000。也就是如果训练两种类别，就设置成max_batches = 4000。
steps分别取max_batches的80%和90%。也就是steps=3200,3600。