这个YOLOv1项目是配合我在知乎专栏上连载的《YOLO入门教程》而创建的：

https://zhuanlan.zhihu.com/c_1364967262269693952

感兴趣的小伙伴可以配合着上面的专栏来一起学习，入门目标检测。

另外，这个项目在小batch size 的情况，如batch size=8，可能会出现nan的问题，经过其他伙伴的调试， 在batch size=8时，可以把学习率lr跳到2e-4，兴许就可以稳定炼丹啦！ 我自己训练的时候，batch size 设置为16或32，比较大，所以训练稳定。

当然，这里也诚挚推荐我的另一个YOLO项目，训练更加稳定，性能更好呦

https://github.com/yjh0410/PyTorch_YOLO-Family

• 我们建议使用anaconda来创建虚拟环境:

conda create -n yolo python=3.6

• 然后，激活虚拟环境:

conda activate yolo

• 配置环境: 运行下方的命令即可一键配置相关的深度学习环境：

pip install -r requirements.txt 

• Backbone: ResNet-18
• Neck: SPP

• 多尺度训练 (multi-scale)

读者可以从下面的百度网盘链接来下载VOC2007和VOC2012数据集

链接：https://pan.baidu.com/s/1qClcQXSXjP8FEnsP_RrZjg

提取码：zrcj

读者会获得 VOCdevkit.zip压缩包, 分别包含 VOCdevkit/VOC2007 和 VOCdevkit/VOC2012两个文件夹，分别是VOC2007数据集和VOC2012数据集.

VOC2007 test 测试集

大家可以点击表格中的github来下载模型权重文件。

运行下方的命令可开始在VOC数据集上进行训练：

python train.py \
        --cuda \
        -d voc \
        -ms \
        --batch_size 32 \
        --lr 0.001 \
        --max_epoch 150 \
        --lr_epoch 90 120 \

运行下方的命令可开始在VOC数据集上进行训练：

python test.py \
        --cuda \
        -d voc \
        -size 416 \
        --weight path/to/weight \

运行下方的命令可开始在VOC数据集上进行训练：

python eval.py \
        --cuda \
        -d voc \
        -size 416 \
        --weight path/to/weight \