现在网上能找到的博客我现在看起来很明白，虽然讲的很详细，但是对于几天前的我真的看不明白，因为新手会遇到各种各样毫无征兆的问题，所以我决定写一篇面向新手的如何去使用 yolo 和如何去做自己的数据集来训练属于自己的模型。因为我也是新手，所以不说原理，只谈操作方法。
2020/5/30：
近日每天都有十几个很明显的小号加群，而且有的大号进群竟然打广告和卖不良物品，经我和群友讨论后，加群需要1元钱，但是进群后我会将钱退还给大家，只是为了过滤一些不好的人。
因为东西很杂，我会把小东西分出去写，并且在本文中附上链接。
一、准备工作
1、事件前言：
简单介绍下情况，本人本科二年级，机器学习小白，操作系统:windows10
前阵子用 matlab 做图像识别项目时发现了 yolov3 算法，觉得很有意思，但是无奈当时还没有基于matlab 的版本（听说现在有了），所以就用 python 运行，我的电脑里有 python_3.7、anaconda_3.6、pycharm。
有心人应该可以发现我大概几天前的博客都是在凌晨一点发的，当时几乎每天都弄到凌晨三点多去配置环境（新手运行报错的原因几乎都是版本的兼容性问题）。
不过经过三天左右的时间，我解决了无穷多的报错之后，终于把 yolo 在 anaconda 和 pycharm 中成功运行，而且在昨晚 10：30分 成功训练出了自己标注的数据集的模型。
所以在接下来的几天，我会站在新手的层面上解释我使用 yolo 的过程。
2、需要的文件：
1、yolov3源代码：github_keras-yolo3
2、权重文件：官网_yolov3.weights （点击直接下载）或者 我的百度网盘文件 链接：
https://pan.baidu.com/s/1YD5dtSrEkcBO0PRHO7eLlw
提取码：1uub
3、python 或 anaconda 或 pycharm
注意：版本需要在3.7以下，3.7版本不支持 tensflow 的库
3、python的环境配置：
很多的库之间都会存在兼容性问题，如果你运行中出现的报错不常见，或者一个错误接着一个错误，那么八成是配置的库存在兼容性问题，把库的版本换了就行
下面介绍一下重要的需要配置的库的版本：
| 库名称 | 版本 |
|---|---|
| tensorflow-gpu | 2.1.0 |
| keras | 2.2.4 |
| tensorflow (可有可无) | 1.12.0 |
| Pillow | 5.1.0 |
| matplotlib | 2.2.2 |
| ffmpeg | 1.4 |
| opencv | opencv-contrib-python |
建议使用镜像源下载，下载的方法可以参照我的这篇博文：
anaconda 配置 yolov3 环境（该文章中的版本也可以，但是最好换成我上面表格中写的）
大家也可以看下我的 python 的各个库的配置：python绝对兼容的库配置——机器学习
（建议大家保留一份，万一哪天不小心改了一个库的版本，很可能就会导致一系列的问题，这里的版本不存在兼容性问题）
.
.
二、正式开始yolo之旅
1、用官方权重识别图像
接下来先教大家去用官方的权重文件 yolov3.weights 去识别图像
先用 pycharm 或 spyder 打开 keras-yolo3 文件夹，用 pycharm 或 spyder 是为了看文件夹更方便，直接在 anaconda 里运行也是可以的
这里用 pycharm 先演示一下：
打开文件后是这样的。
1、我们将下载的 yolov3.weights 文件放在 keras-yolo3-master 文件夹下：
2、把 yolov3.weights 文件转换成 keras 适用的 h5 文件
首先点击左下方的 Terminal (和IDLE一个功能，就是命令行)
输入 python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
等待一会。。。直到命令行显示 Saved Keras model to model_data/yolo.h5
就可以看到文件夹的 model_data 中多了个 yolo.h5 文件
3、在文件夹下添加一个启动 yolo 函数的代码
在文件夹下新建一个py文件，我取名为 yolostart.py ，代码如下：
from yolo3.model import yolo_body
from keras.layers import Input
from yolo import YOLO
from PIL import Image
yolo = YOLO()
while True:
img = input('Input imagename:')
try:
image = Image.open(img)
except:
print('Open Error!')
continue
else:
rel_image = yolo.detect_image(image)
rel_image.show()
yolo.close_session()
4、在文件夹下新建名为 img 的文件夹，里面放想要进行识别的图片
5、运行 yolostart.py
运行 yolostart.py 文件
提示：Input imagename:
现在输入想要识别的图片的文件路径，这里我输入 img/q.jpg(识别 img 文件夹下名为 q 的 jpg 格式的图片)
成功识别出图上人物
现在运行人数较多的图片试一下：
2、训练自己的数据集模型
time：3/22
这篇先发，我学校的作业还没写，
我先把作业写了，再回来补下面的东西
。。。
见谅
Time：2020/3/23/22:19
我回来啦：
介于训练自己的数据集模型比这篇文章的两倍还要长，我就将它化为一篇文章来写了，很详细，均是我刚刚亲自一步步操作的，有任何问题均可以提出
文章链接：keras-yolov3目标检测训练自己的模型详解
总结：
文章中有任何问题都可以直接评论，我一般都在
趁着我刚刚解决好多的报错，脑子里还有记忆的时候赶快问，我怕我时间久了没法回答你们一些很生僻的报错了。。。