目录

1. 下载

2. 解压

3. 代码处理

4.处理后格式

5. 开启训练

6. 测试

---

1. 下载

https://pjreddie.com/media/files/cifar.tgz

2. 解压

3. 代码处理

import os
 
 
if __name__ == '__main__':
    data_path = r"E:\code\c++\darknet-master\data\cifar"
    dir_name_list = os.listdir(data_path)
    for dir_name in dir_name_list:  # train / test
        dir_full_str = os.path.join(data_path, dir_name)
        if os.path.isdir(dir_full_str):
            list_file_path = os.path.join(data_path, "{}.list".format(dir_name))  # train.list / test.list
            fd = open(list_file_path, "w", encoding="utf-8")
            # read image name
            img_name_list = os.listdir(dir_full_str)
            for img_name in img_name_list:
                # cur_img_relative_path = "{}/{}\n".format(dir_name, img_name)  # relative path
                cur_img_abstract_path = "{}\{}\n".format(dir_full_str, img_name)   # abstract path
                fd.write(cur_img_abstract_path)
            fd.close()

4.处理后格式

train.list内容，指明图片路径。 

 再创建一个数据集说明文件：cifar.data

cifar.data内容如下

classes=10
train  = E:\code\c++\darknet-master\data/cifar/train.list
valid  = E:\code\c++\darknet-master\data/cifar/test.list
labels = E:\code\c++\darknet-master\data/cifar/labels.txt
backup = backup/
top=2

5. 开启训练

命令行开启训练，这里的darknet.exe是之前编译生成的。

darknet.exe classifier train 数据集说明文件路径 网络配置说明文件

darknet.exe classifier train E:\code\c++\darknet-master\data\cifar\cifar.data E:\code\c++\darknet-master\cfg\cifar_small.cfg

 默认的训练配置：

训练中：

 

训练结束： 

6. 测试

darknet.exe classifier valid E:\code\c++\darknet-master\data\cifar\cifar.data E:\code\c++\darknet-master\cfg\cifar_small.cfg backup/cifar_small_final.weights

 可以看到top1和top2分类精度都挺高的。