共分7步：

一、进入Google Colab训练环境
二、下载编译Darknet
三、上传数据集
四、修改配置文件
五、下载预训练权重文件
六、开始训练数据
七、测试训练结果

一、进入Google Colab训练环境

打开 Google Drive 云端硬盘

新建Google Colaboratory文件，进入python运行环境。 

二、下载编译Darknet

yolov3基于darknet深度学习框架。

1. 运行如下代码，连接到Google Drive 云端硬盘

import os
from google.colab import drive
drive.mount('/content/drive')

 弹出提示框时，按提示点击允许连接即可。

2.下载darknet

import os
path = '/content/drive/MyDrive/darknet'
if not os.path.isdir(path):!git clone https://github.com/AlexeyAB/darknet.git

3. 修改makefile，开启GPU、cuda加速

 也可运行命令

%cd /content/drive/MyDrive/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
!sed -i 's/CUDNN_HALF=0/CUDNN_HALF=1/' Makefile
!sed -i 's/LIBSO=0/LIBSO=1/' Makefile

 4.验证CUDA版本 

!/usr/local/cuda/bin/nvcc --version

 5.编译生成darknet项目。

!make

三、上传数据集

1. 将图片（*.jpg）和对应的标注文件（*.txt）放到同一文件夹下，并将数据放到darknet/data/obj文件夹下。我在网上找的口罩数据集。

四、修改配置文件

配置文件共有4个，即obj.data、obj.names、train.txt、yolov3-custom2.cfg。

 2.配置obj.data（位于darknet/data）

obj.data为训练数据的总配置文件。classes为类别数，train、valid、names路径要正确，valid可有可无。backup训练过程中或训练后的权重文件存储路径。

classes= 2
train  = data/train.txt
valid = data/valid.txt
names = data/obj.names
backup = backup/

  3.配置obj.names（位于darknet/data）

obj.names为类别名列表

mask1
mask2

 4.生成train.txt（放到darknet/data） 

 定位到darknet文件夹

%cd /content/drive/
%ls
%cd MyDrive/
%ls
%cd darknet/
%ls

 运行以下代码生成train.txt，注意数据集图片在该路径下（/content/drive/MyDrive/darknet/data/obj）。

import osimage_files = []
os.chdir("/content/drive/MyDrive/darknet/data/obj")
for filename in os.listdir(os.getcwd()):if filename.endswith(".jpg"):image_files.append("data/obj/" + filename)
os.chdir("..")
with open("train.txt", "w") as outfile:for image in image_files:outfile.write(image)outfile.write("\n")outfile.close()
os.chdir("..")

 生成的train.txt位于darknet下，需要手动移动到darknet/data下

 5.配置yolov3-custom2.cfg（位于darknet/cfg） 

复制darknet/cfg/yolov3.cfg，重命名为yolov3-custom2.cfg，打开并编辑

 修改一

  修改二，搜索yolo，修改classes、filters，共3处。

五、下载预训练权重文件

!wget http://pjreddie.com/media/files/darknet53.conv.74

六、开始训练数据

!./darknet detector train data/obj.data cfg/yolov3_custom2.cfg darknet53.conv.74 -dont_show

 等待数小时（我等了3个小时）后训练完成。

查看loss下降过程， 打开darknet/chart.png

权重文件位于darknet/backup 七、测试训练结果

!./darknet detector test data/obj.data cfg/yolov3_custom2.cfg ./backup/yolov3_custom2_last.weights masktest.jpg -thresh 0.3