昨天配置了YOLOv3的环境，今天用官方文档内的coco128数据集跑一下：
本次YOLOv3的使用基本上跟调用api一样，就是把数据集格式处理好后使用大佬们写好的py文件，本人实力有限，实在是看不太懂源码。
YOLOv3运行所使用的数据集是有严格的格式要求的，具体可以参考官方文档（有其他版本的YOLOv3实现，这里仅展示我使用的ultralytics/yolov3）：
以这张图为例，对应图片的txt文件内要有五个参数：类数（从0开始计，第一类为0，第二类为1...），X_center，Y_center（图片中心的XY坐标）,Width，Height（宽高）。
附上coco128的数据集格式对比：
首先是coco128目录下，images和labels子文件夹，一个存放图片，一个存放标签
两个文件夹下存放的.jpg文件和.txt文件名字要对应
txt文件内就是刚才说的格式：
明白数据集结构之后，再回到代码中：
这三个文件是我们需要使用的，train.py是训练，test.py是测试，detect.py是用模型预测。图中没有画框的yolov3.pt就是我们训练后的模型文件，这个是官方源码中自带的，我们训练后的模型文件并不在这儿。
这个地方改成自己的yaml文件（原来是coco.yaml）
首次运行可能会给你报错：
OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
这个时候在train.py开头加上这句：
官方文档中给的运行示例都是用命令行实现的，我这里也不用pycharm跑了，打开Anaconda Powershell Prompt：
切换到这个项目的目录下之后，运行代码：
python train.py --img 640 --batch 16 --epochs 5 --data coco128.yaml --weights yolov3.pt
这里报错，大致意思就是我的显存不够（6G），带不动，现在还没租服务器，也没法换电脑，那就改运行参数:
python train.py --img 320 --batch 8 --epochs 5 --data coco128.yaml --weights yolov3.pt
img和batch各砍掉一半：
运行成功，最后这段告诉了我们模型存储的位置：runs rainexp4weights，存了last.pt和best.pt，runs文件在yolov3这个项目里，exp4是因为我之前已经训练了三次模型：
我们从网上下载一个图，使用训练好的模型做一下预测吧，coco128数据集有80个类，我们选择“斑马”类来预测一下：
python detect.py --source data/images --weights yolov3.pt --conf 0.25
source后写下图片地址，weights后写使用模型的地址，这里注意模型地址是相对地址，它以yolov3这个项目的地址为起点，所以直接从runs开始写，conf设置权重
运行后的结果：
图像：
以上就是YOLOv3的coco128数据集测试。