網路上好像比較少pytorch版本的yolov4的配置教學，大多都是使用暗网gihub那邊的yolov4.雖然兩者配置上差不多，但網路上有些文章會東缺西缺，我自己在配置的時候也有遇到一些問題，所以這邊希望可以幫助到要使用yolo4的人們，也順便當作自己的記事本.pytorch darknet github

我。下載yolov4，重量

這邊是使用王金耀/PyTorch_YOLOv4的程式。直接用克隆下來，就會有個PyTorch_YOLOv4資料夾。WongKinYiu PyTorch_YOLOv4

git clone https://github.com/WongKinYiu/PyTorch_YOLOv4.git

作者有提供很多預訓練的权重，看你要用哪個版本的yolov4就到giHub內表格最右欄下載下載下來之後，放在PYRCH_YOLOv4/权重資料夾內(其實放別的地方也行)

二、二、配置配置

cfg檔在克隆下來的PYTORCH_YOLOv4/cfg裡面都有所以不用特別下載，改你要用的那個yolo的版本就可以了

cfg檔的詳細配置可以看暗网gihub的维基上看，也可以看看汤米黄的講解。這邊就只說明要可以訓練的基本修改.wiki Tommy Huang

cfg檔的最底下會有3個[yolo]的區塊(不是連續的，所以要找一下)，3个個都要把类改成你要訓練的类數，以下圖片範例是一個类。

再來每個[yolo]區塊的上一個區塊會是[卷积]區塊，這邊要改的是Filters(改[yolo]上一個的[卷积]就好，上二上三都不用管)。Filters改的數量要依照你的CLASS量改變，Filters=(CLASS+5)*3，所以以這邊的例子只有一個CLASS，那Filters就設18.

三、三、配置訓練/測試資料

訓練跟測試資料分別建一個資料夾，放哪都可以.影像跟標註檔放同個資料夾裡面就可以了.

再來就是要在PYTORCH_YOLOv4/Data資料夾內新增一個.yaml檔，內容可以用資料夾內原本就有的Coco.yaml去修改，如下圖，就是指定好訓練/驗證/測試集的資料夾位置、类數跟类名稱。

PYTORCH_YOLOv4/Data還要新增一個.names檔，裡面就是所有的类名稱用換行分隔，也可以參考原有的coco.name.

四、四、環境配置

Python的環境這邊就不贅述了，直接用pip安裝作者給的要求.txt

pip install -r  PyTorch_YOLOv4/ requirements.txt

接下來要安裝MISH-CUDA，也是一樣克隆下來安裝就可以了(可以用網路上任何MISH-CUDA)mish-cuda

git clone https://github.com/thomasbrandon/mish-cuda.git

這樣就大功告成啦，可以直接跑培训/测试了(記得要先CD到PyTorch_YOLOv4資料夾內)

python train.py --device 0 --batch-size 8 --img 640 640 
--data data/xxx.yaml --cfg cfg/yolov4-pacsp-x-mish.cfg 
--weights weights/yolov4-pacsp-x-mish_.weights

稍微解釋一下他的選項，–img後面放Train以及Val的影像大小(會依照你用不同版本的yolov4去改)，–Data後面放剛剛配置的.yaml檔案路徑，–cfg後面放剛剛配置好的cfg檔路徑，–Weights後面放你下載下來的預訓練Weight位置，也可以放之後你Train過之後存下來的.pt檔的路徑(會在PyTorch_YOLOv4/Run/EXP*/Weight內，*是數字)

以上的範例跑的是yolov4x-mish版本，所以cfg、Weight都是yolov4x-mish的版本，img也會是yolov4x-mish用的640大小。

其他還有很多選項可以用，細節可以看Train.py/test.py內。

V。在合作实验室上執行

基本上在合作实验室上行也是差不多的

可以用装载去得到你自己雲端內的東西

from google.colab import drive

CoLab的挡路也可以執行命令(命令前加驚嘆號！，CD比較特別要用@才有用)

@cd .. 
! git clone ...

作者提供的权重也不用下載下來再上傳雲端，因為他原本就是存在作者的雲端了，直接建立捷徑到你自己的PYTORCH_YOLOv4/权重就可以用了