我们可以在没有GPU的自定义对象上训练YOLOv3吗？

Question

我的YOLO模型可以很好地检测物体，例如瓶子，人，手机，背包等。但是我想让我的模型检测到戒指，手镯或头盔（当前yolo模型中当前没有的对象）。没有GPU，我可以制作自定义对象检测yolo模型吗？有哪些风险？ （如果有）。

“我的系统”是Windows 8 Home单一语言，具有8GB RAM。

Answer 1

重新编译darknet.exe使其在CPU上运行非常慢。我以前尝试过这是完全不切实际的。 建议您学习英特尔OpenVINO工具包。

https://software.intel.com/en-us/openvino-toolkit

和

https://docs.openvinotoolkit.org/latest/_docs_MO_DG_prepare_model_convert_model_tf_specific_Convert_YOLO_From_Tensorflow.html

OpenVINO工具包可以在其CPU /集成GPU上加载和运行任何框架。

Darknet YOLO仍然可以使用常规的NVIDIA卡来训练您的自定义对象。 然后使用第三方转换工具（可以在GitHub上轻松找到）将您训练的YOLO重量文件转换为Tensorflow PB文件。 然后使用Intel的Model Optimizer将PB文件和标签文件转换为它们所谓的“推理表示”文件（以* .bin，*。xml，*。labels和* .mapping文件命名），随后可以加载和在Intel的CPU或集成的GPU上运行。

他们的模型优化器将自动优化并删除YOLO卷积网络文件中的一些未使用的节点，并提高整体推理速度，这比仅使用重新编译的CPU版本darknet.exe在CPU上运行YOLO权重要快得多。 / p>

Answer 2

是的，你可以做到。

只需更改darknet文件夹的Makefile中的以下行-

GPU = 1 CUDNN = 1（对于GPU）

将其更改为-

GPU = 0 CUDNN = 0（对于CPU）

是的，您也可以训练YOLO模型来检测自定义对象。只需关注此博客-Link