1.准备数据集
1.找足够多的图片。
2.下载labelImg软件，网址https://tzutalin.github.io/labelImg/，需要翻墙。下载windows最新版。
win10，第一次运行labelImg没毛病，之后再打开的时候，exe窗口总是一闪而过，重启电脑，重下软件都没用。
win+R,输入cmd，命令行运行exe文件，出现以下错误：
Traceback (most recent call last):
File "<string>", line 1453, in <module>
File "<string>", line 1449, in main
File "<string>", line 1442, in get_main_app
File "<string>", line 98, in __init__
File "xxx\labelImg\build-tools\build\labelImg\out00-PYZ.pyz\libs.settings", line 33, in load
File "xxx\labelImg\build-tools\build\labelImg\out00-PYZ.pyz\pickle", line 1378, in load
File "xxx\labelImg\build-tools\build\labelImg\out00-PYZ.pyz\pickle", line 858, in load
File "xxx\labelImg\build-tools\build\labelImg\out00-PYZ.pyz\pickle", line 880, in load_eof
EOFError
解决办法：
进入C:/Users/your_account(你自己的账户名)文件，在里面找到.labelImgSettings.pkl文件并删除，之后再运行exe文件就没问题啦。
参考https://github.com/tzutalin/labelImg/issues/221，真的非常感谢了，困扰了好久。
3.下载之后解压，点击labelImg.exe便可用。点击左侧Open，打开图片，按快捷键w，即可进行标定，保存的时候选择xml文件存储路径。
4.新建文件夹VOC（名称任意），在VOC下新建xml、Image两个文件夹(对应代码里的名称)。将标定得到的xml文件都放入xml文件中，所有图片放入Image文件中。
代码Getdata中traindata.py与trans.py。将两个py文件放入VOC文件夹下。运行traindata.py，可以得到trainImage,validateImage,trainImageXML,validateImageXML四个文件夹，分别存放训练、测试用的图片与xml，图片会被损坏，所以，手动替换吧。还会生成两个txt文件trainImageId,validateImageId,分别放训练、测试用图片的名称，一行一个，这是为了用来生成后面的txt文件用的。
之后运行trans.py文件。首先要修改11行的classes，将[]里面的内容换成自己的类别信息。运行后生成两个txt文件train,val，分别放相应图片的路径信息，同时生成两个文件夹trainLabel,valLabel,分别放xml转换后的信息。
最后有用的信息是全部的图片，和trainLabel,valLabel文件，还有存放图片路径的两个txt文件train,val。这两个代码比较鸡肋，走了很多弯路，有空自己修改一下。
要把由xml转成的txt文件与图片放入同一个目录，train,val路径随意。
参考https://blog.csdn.net/qq_34484472/article/details/73135354
5.修改代码
首先找到darknet-master文件夹，就是之前下载的dark。找到cfg文件夹下voc.data。
classes= 1#类别，要检测几个类别就改成几。
train = xxx\VOC\train.txt#这里放的是train.txt的路径
valid = xxx\VOC\valPath.txt#val.txt路径。
names = data/person.names#这里要进入darknet-master/data，新建一个person.names文件，里面放类别名称，一个类别一行。这里只识别一个类别，即只需写一个person。
backup = backup#存放训练模型的文件。
train,val.txt分别为存放图片路径的文档。
之后，找到darknet-master/cfg中yolov3.cfg，将开头的测试部分注释掉，回复训练部分信息。
# Testing
#batch=1
#subdivisions=1
# Training
batch=7#
subdivisions=1##这个参数根据自己GPU的显存进行修改，显存不够就改大一些
... #因为训练时每批的数量 = batch/subdivisions
width=416
height=416
......
learning_rate=0.001#学习率
burn_in=1000
max_batches = 3000##根据自己的需求还有训练速度max_batches可以调整一下
policy=steps
steps=1000,2000# #跟着max_batches做相应调整
scales=.1,.1
之后找到[yolo],一共有三个[yolo]。
对[yolo]上面的一个[convolutional]中的filters进行修改，根据filters=3*(classes+5).同时也修改yolo中的classes。
[convolutional]
size=1
stride=1
pad=1
filters=18 #filters = 3*(classes + 5)
activation=linear
[yolo]
mask = 0,1,2
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=1 #修改类别数
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1 #显存小的话 =0
一共有3个[yolo]，所以需要修改三个部分，完成之后保存。
用darknet，通过电脑摄像头实时测试指令：
./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights
https://jingyan.baidu.com/article/4f7d5712efdf3e1a2019272b.html,office2013亲测有效
Q&A：
训练YOLO3过程遇到的坑：
Loading weights from darknet53.conv.74...Done!
Learning Rate: 0.001, Momentum: 0.9, Decay: 0.0005
Couldn't open file: C:/darknet-master/data/train.txt
或者
"annot load image "data/nfpa/pos-15.jpg
STB Reason: can't fopen
"annot load image "data/nfpa/pos-15.jpg
STB Reason: can't fopen
解决办法：
出错是因为txt文件格式不对，无法读取对应路径的图片。下载notepad++，打开出错的txt文件，
每行数据后面有个CR LF,这样的格式是不对的。
点击编辑-文档格式转换-转换为UNIX格式。
每行数据后面有且仅有一个LF，格式正确，保存修改之后，再运行，就不会报错了。
要注意训练、测试指令，否则会出现核心已经转移的错误。 用detector...
测试的时候，记得修改yolov3-voc.cfg文件，将训练模块注释掉，恢复测试模块。
在前面的训练中，显示0.00000rate是正常的（虽然cfg中设置的rate=0.001）,原因：darknet-master/src/network.c中94行左右，
float get_current_rate(network *net)
{
size_t batch_num = get_current_batch(net);
int i;
float rate;
if (batch_num < net->burn_in) return net->learning_rate * pow((float)batch_num / net->burn_in, net->power);///
AlexeyAB: 训练过程中出现nan是没有问题的，如果avg（loss）为nan的话，则训练出错。
- darknet: ./src/parser.c:280: parse_region: Assertion `l.outputs == params.inputs' failed.
已放弃 (核心已转储)
原因：检查yolov3-voc.cfg文件（就是训练自己的数据修改的那个cfg文件），看一下3个yolo那里对应的classes有没有修改，还有上面的filter，我发现自己的classes没有改，改好之后就不报错了。
记录一些别人踩过得坑：
1.https://blog.csdn.net/jiachen0212/article/details/79735632，out of memory:
1：CUDA Error: out of memory表明显存不够，调小batch数值
2：Resizing到不同尺度，同样增加显存。设置random=0。关闭多尺度训练。
评估模型
./darknet detector recall cfg/voc.data cfg/yolov3-voc.cfg results/yolov3-voc_final.weights
要在example文件里的detector.c中修改validate_detector_recall（）函数，509行，修改为自己的路径。 list *plist = get_paths("/xxx/Desktop/up/train.txt");