====== Yolo Darknet sans carte graphique ======
**{{tagpage>ia|Intelligence Artificielle}}** **[[http://translate.google.com/translate?hl=&sl=auto&tl=en&u=https%3A%2F%2Fressources.labomedia.org%2Fyolo_sans_carte_graphique|English Version]]**
**[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]**
**{{tagpage>semaphore|Sémaphores}}** .... **{{tagpage>bge|Blender Game Engine}}**
C'est quoi un sémaphore ?
{{ youtube>F3sY6_fOx2I?medium }}
{{ media_05:chappe.jpeg?400 }}
\\ \\
//**Installation de YOLO Darknet sur un portable sans carte graphique**//\\
//**Simplement pour tester avec 1000 images**//
=====Sources et ressources=====
* **[[https://github.com/AlexeyAB/darknet|darknet de AlexeyAB sur GitHub]] bien documenté**
* **[[https://medium.com/@manivannan_data/how-to-train-yolov2-to-detect-custom-objects-9010df784f36|Détection avec YOLO v2]] Les explications pour créer les images training et test**
* **[[https://medium.com/@manivannan_data/how-to-train-multiple-objects-in-yolov2-using-your-own-dataset-2b4fee898f17|How to train multiple objects in YOLOv2 using your own Dataset]]**
* **[[https://medium.com/@manivannan_data/how-to-train-yolov3-to-detect-custom-objects-ccbcafeb13d2|How to train YOLOv3 to detect custom objects]]**
=====Création du set d'apprentissage=====
Nous avons 1000 images 416x416 obtenus avec **[[yolo_avec_mes_propres_images#creation_du_set_d_apprentissage|Création du set d'apprentissage]]**
et les fichiers test.txt et train.txt
=====Compilation de darknet=====
Dépendances:\\
Lancer la compilation et trouver les dépendances avec les erreurs.
Modification du fichier Makefile
GPU=0
CUDNN=0
CUDNN_HALF=0
OPENCV=0
AVX=0
OPENMP=1
LIBSO=1
Dans le dossier de darknet:
make -j8
=====Fichiers manquants et à modifier=====
**darknet53.conv.74**
wget https://pjreddie.com/media/files/darknet53.conv.74
**cfg/obj.data**
classes= 27
train = train.txt
valid = test.txt
names = obj.names
backup = backup/
**Créer un fichier obj.names:**
a
space
b
c
d
etc .....
x
y
z
===cfg/tinyv3-yolo.cfg===
* **[[yolo_darknet_scripts_de_configuration#yolo_darknet_sans_carte_graphique|tinyv3-yolo.cfg disponible ici]]**
===*.txt===
**test.txt et train.txt** sont à coller dans le dossier darknet\\
Les chemins dans ces fichiers sont absolus !
=====Un petit calcul d'apprentissage de 24 heures=====
./darknet detector train cfg/obj.data cfg/tiny-yolo.cfg darknet53.conv.74 -map
ça crée un dossier darknet/backup avec des fichiers:
**yolov3-tiny_1000.weights yolov3-tiny_2000.weights yolov3-tiny_3000.weights**
=====Un test enfin !=====
L'image shot_878_e.jpg est copiée dans data, puis:
./darknet detector test cfg/obj.data cfg/yolov3-tiny.cfg backup/yolov3-tiny_2000.weights data/shot_878_e.jpg
Le résultat est dans l'image predictions.jpg du dossier darknet.
{{ media_01:predictions.jpg?400 |Génial !}}
**Efficacité = 0.00 %**
=====Conclusion=====
Cette installation sert uniquement à apprendre, la suite avec une carte graphique: **[[yolo_darknet_sur_un_portable_optimus|Yolo Darknet sur un portable Optimus]]**
{{tag> ia sb semaphore yolo_darknet }}