问题标签 [darknet]

我正在尝试在 Yolo Darknet 中使用类 -> 2 、过滤器（21）训练我的自定义对象，收集大约 5000 张大小（1106x620）的图像，设置学习率 .01 批次为 64，细分为 16。

观察 - 经过 500 - 3000 次迭代后，我可以看到平均损失在 7.2 到 7.4 之间

请让我知道我应该如何改善我的平均损失？

我正在使用名为darknet/YOLO的 CNN在具有 NVIDIA 显卡的远程共享集群上进行深度学习。远程集群是带有 PBS 作业计划系统的 linux。

我正在提交在 GPU 上训练神经网络的工作，效果很好。

问题在于训练期间消耗的大量处理器。我通常提交一个有 8 个处理器的工作，像这样

但由于处理器数量过多，它总是被杀死。即使我将数量增加到 20 个，它仍然超过了。

我不知道为什么暗网会在服务器上消耗这么多处理器，即使我可以在我的笔记本电脑上使用英特尔 i5 处理器（速度慢且效率低）运行这项工作。

我试过的：

1）设置cgroups=cpuacct强制作业不使用更多的处理器然后分配，但它根本不起作用。似乎限制在服务器没有其他资源的情况下起作用。在有免费处理器的情况下，限制不起作用（https://drill.apache.org/docs/configuring-cgroups-to-control-cpu-usage/#cpu-limits）

2) 设置place=excelhost在超出分配资源的情况下不会终止作业。另一方面，用这个标志开始工作需要 7 天，而且我每天都必须训练网络。

问题：

我不需要这些处理器，我不明白为什么暗网使用这么多处理器。我如何强制作业不超过给定的处理器数量？或者其他一些想法我怎么能解决这种问题？

我在暗网https://pjreddie.com/darknet/train-cifar/上运行基本示例，并得到一堆输出：

这些输出是什么意思，实际的临时准确度是多少？

我正在尝试使用暗流训练小 yolo。但是，当我运行代码时，我收到此错误：

如果我删除图像，它会找到另一个尺寸为 0,0 的图像，即使所有图像都有正常尺寸。如果我不删除它，它会告诉我一个大小为 0,0 的不同图像。意思是它随机通过？我删除了几张图片，但我不确定这是否会永远持续下去，或者是否只有一定数量的图片具有“大小 0,0”。

这是我在 darkflow-master 目录中使用的命令：

在尝试在 docker 容器的构建命令中编译暗网时，我经常遇到异常include/darknet.h:11:30: fatal error: cuda_runtime.h: No such file or directory。

我正在根据此处的说明构建容器：https ://github.com/NVIDIA/nvidia-docker/wiki/Deploy-on-Amazon-EC2 。我有一个简单的Dockerfile测试 - 相关部分：

在运行容器时，我看到的大多数文档都使用 nvidia 库进行引用，但暗网在构建gpu支持时编译方式不同，因此我需要cuda_runtime.h在构建时可用。

也许我误解了nvidia-docker正在做的事情 - 我假设nvidia-docker存在，因为 Nvidia 代码必须安装在实际主机上而不是容器内，并且他们使用某种机制与容器共享“本机”代码，因此 GPU 可以管理 - 这是正确的吗？

我应该在构建容器时尝试构建darknet还是应该将它安装在主机上，然后以某种方式使其可用于容器？这似乎违背了容器的可移植性，但我可以忍受一些限制来访问 GPU。

我阅读了 yolov2 的实现。我对它的损失有一些疑问。下面是损失函数的伪代码，希望我做对了。

我对此有一些疑问：

1. 代码每 10 批随机将火车图像的尺寸调整为 320 到 608 之间的尺寸，但锚框没有相应地调整大小。为什么不调整锚的大小。我的意思是你在 13 中选择了一组最常见的锚*13 特征图，这些锚点在 19*19 特征图中并不常见，所以为什么不根据图像大小调整锚点大小。

2. 对未分配真值的框的 x,y,w,h 预测应用成本，这会促使 w,h 完全适合锚点，默认情况下 x,y 会在单元格中居中，这很有帮助，为什么那。为什么不将位置预测的成本仅应用于分配了事实的那些，而忽略未分配的那些。

3.为什么不简单地应用 (obj-0)^2 作为所有未分配真值框的 obj 预测成本。在 yolov2 中，对未分配真值框的 obj 预测并非全部应用成本，只有那些未分配真值的框和不要与所有事实重叠太多，并且是应用成本。为什么会这样，很复杂。

Yolo 版本 3是具有预训练配置和权重的全新深度学习神经网络。然而，它拥有的最大类只有来自 COCO 数据集的 80 个类。Imagenet还有一个更大的数据集，包含超过 22,000 个类。

有没有人使用 Imagenet 训练过 Yolo3（在 Darknet 上）？我们在哪里可以获得预训练的配置和权重？

我想通过在 python 中使用 Darknet api 来运行预训练的权重。有什么可以帮助我的，我们该怎么做？

I have trained my model for single class, i want to capture(Count) the same object from webcam once, means if same object detecting in frame then it should capture as one until it leave the frame.

In my case it captures the same object multiple times(means it saves the multiple images for same object) but i want single image for single object.

Anyone Can tell me please how can we do this in Darknet/Darkflow using python.

Thanks in advance.

我一直在用Yolo和darknet git存储库进行对象检测，想从视频开始，我安装了OpenCV并尝试为视频运行darknet：

但我有以下信息：

我将makefile中的第二行更改为：

但该消息继续显示，并且仅在论坛中。我遵循了一个教程（https://pjreddie.com/darknet/install/#cuda），但我没有重新制作项目，最后的测试表明它没有用 opencv 编译。我试图用以下方法重新制作它：

但我对库有以下错误：

编辑：我认为是 CUDA 的安装，因为命令 nvidia-smi 没有任何作用