在Colab上训练yolov3（一）

用Colab的好处：
电脑搭建cuda环境需要有nvidia显卡（我没有），但在colab上不用搭环境，而且免费，非常友好。

步骤：

1、登录谷歌硬盘：https://drive.google.com
2、在谷歌硬盘空白处点击鼠标右键，选择更多->关联更多应用；

3、在搜索框输入cloaboratory，找到软件并安装。

4、进入Colab，回到谷歌硬盘截面，再次在空白区点击鼠标右键，选择更多，此时发现Colab已经安装，打开即可。

5、打开界面如下，并点击右上角连接等待连接成功。

6、左上角修改，打开笔记本设置，选择GPU。

7、按照下图顺序点击，在弹出窗口选择连接到Google云端硬盘，左边出现文件目录drive。

出现drive

8、点击“+”添加代码，下载示例程序，点三角形运行。

!git clone https://github.com/AlexeyAB/darknet

9、配置一下

%cd darknet
!sed -i 's/OPENCV=0/OPENCV=1/' Makefile
!sed -i 's/GPU=0/GPU=1/' Makefile
!sed -i 's/CUDNN=0/CUDNN=1/' Makefile

10、编译（有点慢，需要一分钟左右）

!make

11、下载coco数据及上预训练的权重（需要保证网络畅通，不然会特别特别慢）。

!wget https://pjreddie.com/media/files/yolov3.weights

12、添加显示、上传、下载文件的代码。

# 显示
def imShow(path):
  import cv2
  import matplotlib.pyplot as plt
  %matplotlib inline

  image = cv2.imread(path)
  height, width = image.shape[:2]
  resized_image = cv2.resize(image,(3*width, 3*height), interpolation = cv2.INTER_CUBIC)

  fig = plt.gcf()
  fig.set_size_inches(18, 10)
  plt.axis("off")
  plt.imshow(cv2.cvtColor(resized_image, cv2.COLOR_BGR2RGB))
  plt.show()

# 上传文件
def upload():
  from google.colab import files
  uploaded = files.upload() 
  for name, data in uploaded.items():
    with open(name, 'wb') as f:
      f.write(data)
      print ('saved file', name)

# 下载文件 
def download(path):
  from google.colab import files
  files.download(path)

13、到这里全部的工作已经完成了。检测一下环境然后使用官方提供的照片进行试验并显示（训练过程较慢，耐心等待即可）。

%cd /content/darknet
!./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
imShow('predictions.jpg')

结果如下：

截止到这里已经完成啦，如果想要训练自己的图片，可以接着往下看。

14、运行下面代码，然后到自己存有图片的磁盘中上传自己的图片

%cd ..
upload()

上传好后：

15、运行加载代码，将图片名改为自己的。

%cd darknet
!./darknet detect cfg/yolov3.cfg yolov3.weights ../3.jpg
imShow('predictions.jpg')

16、效果显示：
这是原图：

这是输出的图：

完成。