首先，當然是要配置好環境啦，這裏相信屏幕前的你已經配置好了，如果沒有配置好也不用着急。可以看一下本博主另一篇保姆教程，請移步：https://blog.csdn.net/weixin_39954922/article/details/105785460，，，，啊哈哈哈哈
一、配置好之後，最重要的就是數據集，因爲博主報名參加了RM比賽，所以就用大疆給的官方數據集試驗了一下，首先準備兩個數據集，一個是圖片數據集Image，一個是每個圖像內標記好目標後生成的xml文件Annotation。這裏我只用了兩百張圖片：如下圖：
二、把圖片放在darknet.exe同級目錄下的data文件夾，在data內新建文件夾專門用來存放圖片，這裏我建立的是robomaster文件夾。
三、需要準備兩種txt文件，一種是train.txt，這個txt文件要放在data文件夾下，且內容爲存儲了每張圖片相對於darknet.exe的路徑，筆者的文件如下：
另一種TXT文件是每張圖片都對應有一個，是通過xml文件得來的，每個TXT文件裏面都是純數字如圖一所示，記錄了標記目標的信息。這個TXT的命名與對應圖片的命名一樣，且訓練時要放置在與image相同目錄下，如圖2所示：
圖一
圖二
四、在data文件夾下建立.names和.data文件。筆者建立的是robomaster.names和robomaster.data文件，在robomaster.names文件裏面寫上要檢測的目標的名稱，每個名稱佔用一行，如圖三所示，這裏檢測目標有五個
圖三
robomaster.data文件的內容包括總共有多少類對象，train.txt的文件路徑，備份路徑等，如圖四所示。classes要改成對應的數字，如果你想檢測的目標有6個，就改成6。
圖四
五、建立訓練所需的.cfg文件，在cfg文件夾下創建，筆者直接複製的原有的yolov4.cfg，並改名爲yolov4-robomaster.cfg。
六、更改cfg文件內的參數。非常重要！！！
6.1更改batch爲batch=64
6.2更改subdivisions爲subdivisions=16
6.3更改max_batches爲classes數*2000，但是不要少於4000，例如筆者這裏有classes=5,那麼max_batches=10000
6.4更改steps爲max_batches的80%，90%，筆者這裏steps=8000,9000，再設置神經網絡尺寸width=416
height=416，或者其他32的倍數。
6.5在cfg的3個[yolo]裏面，將classes=80改爲你的classes數目，筆者這裏爲classes=5，三個都要改哦
6.6在每個[yolo]前面有個[convolutional]，注意有兩個，在最靠近[yolo]那個裏面改，將裏面的filters=255改爲filters=(classes+5)*3
筆者這裏filters=(5+5)*3=30，注意每個都要改哦。
如果您使用[Gaussian_yolo]， 則filters=(classes + 9)x3 在每個 [Gaussian_yolo] 之前的[convolutional]
6.7注意，不要在cfg文件裏面寫filters=(classes + 5)x3)，要直接算出數字
七、下載預訓練模型，這裏我用的是yolov4.conv.137，下載地址爲：https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.conv.137
下載完成後，保存在與darknet.exe相同目錄下
八、開始訓練在darknet.exe目錄下用powershell運行：
.\darknet.exe detector train data/robomaster.data cfg/yolov4-robomaster.cfg yolov4.conv.137
然後就開始訓練啦。
9.訓練的時候會在終端出現一張損失函數的圖標和當前迭代的函數圖，按照官方的說法是：當紅框內第一個參數小於0.06就可以停止訓練了。第二個參數是當前迭代的次數，注意，YOLOV4每迭代100次會自動保存訓練的模型，文件名爲yolo-robomaster_last.weights，在backup文件夾內。若訓練結束，則在該文件夾下生成yolo-robomaster_final.weights。每訓練1000次會生成：yolo-robomaster_1000.weights，兩千次會生成yolo-robomaster_2000.weights等等，，具體的可以看一下YOLOV4github官方說明：https://github.com/AlexeyAB/darknet#how-to-train-to-detect-your-custom-objects
10.筆者電腦檯垃圾，訓練到三百次就放棄了，不得不說顯卡是個好東西，損失函數快到20,說明誤差還是很大的，沒辦法，就這樣湊合跑吧：.\darknet.exe detector demo data/robomaster.data cfg/yolov4-robomaster.cfg yolov4-robomaster.weights -ext_output test.mp4
（我總覺得這個代碼不對，但是爲啥能運行，還是很迷啊哈哈哈哈，應該不是這個代碼，各位看官有了解的可以在評論區解釋一下子。感激不盡）
記得要把測試視頻放到和darknet.exe同一目錄下哦。檢測效果如下：模型訓練的誤差很大，效果確實不咋滴。
訓練時bug說明：
1.CUDAERROR，out of memory:把subdivisions改大一些，但一定要是32的倍數。
2.如果在訓練過程中看到平均（損失）字段的nan值-則訓練有誤，但如果nan在其他行中-則訓練進行得很好
3.如果您在cfg文件中更改了width =或height =，則新寬度和高度必須被32整除。
引用：
2.https://github.com/AlexeyAB/darknet#how-to-train-to-detect-your-custom-objects