先给出参考的GitHub链接：https://github.com/eriklindernoren/PyTorch-YOLOv3
 　其实在readme中已经有详细的训练自定义数据集教程，我记录一下自己在配置过程中遇到的问题，以供自己复习

配置自定义数据集详细过程

 　一开始我是计划先下载coco数据集，跑一下yolov3，但是考虑到数据集本身比较大，而且跟我的工作没有什么直接关系，如果是想跑通程序的话，还不如直接跑自己的数据集，遇到什么问题就直接解决。
 　我当前的数据集是行驶证和身份证，对于数据集的生成方法我会在后续补充，现在得到的就是可以用来训练的格式，都放在data/custom目录中，结构如下：

自定义数据集结构
 　其中images目录下存放的都是图片，这就不多说了，labels目录中存放的是每张图片对应的标签，需要注意的是：标签的文件名和图片的文件名一一对应，例如：first_sheet_01_1.txt对应first_sheet_01_1.jpg。labels的目录结构如下：
labels的目录结构
 　那么 first_sheet_01_1.txt 里面是什么呢？每一行代表一个标注框的标签：类别id + 标注框中心x坐标 + 标注框中心y坐标 + 标注框宽度 + 标注框高度，需要注意的是：1、这五个数据以空格间隔；2、后四个数据都在 [0,1] 范围，整张图片为1；3、类别id起始下标是0。如下图所示（我的数据集类别只有一类，所以第一列都是0）：
first_sheet_01_1.txt

 　classes.names这个文件中存的是每个类别的名称，上文提到了我的数据集类别是一，需要注意的是：最后务必有一行空行，否则在validation的时候会报错：IndexError: list index out of range原因在于： About a line in train.py: ap_table += [[c, class_names[c], "%.5f" % AP[i]]]（解决该问题的参考链接：https://github.com/eriklindernoren/PyTorch-YOLOv3/issues/283），所以内容如下：

classes.names
其实遇到这个问题的本质是数组越界，那么另一种解决方案就是在取值的时候取到正确的范围就行，参考的解决方法如下：https://github.com/eriklindernoren/PyTorch-YOLOv3/issues/492
 　接下来就是train.txt这个文件，其实这个文件我是在生成图片的时候一起生成的。因为需要train.txt和valid.txt这两个文件，而且里面的格式都是一样的，我就懒得再写代码去分割，其实这样不好，能用代码解决的事情，就不要手动去做，以后我得多加注意了。那么我是怎么做的呢？这两个文件存放的都是图片的相对路径，我就固定data/custom/images/，再加上文件名，train.txt中的内容如下（valid.txt中格式也一样，只不过每一行中最后的文件名不一样）：
train.txt

运行 train.py 前补充

 　上述步骤完成之后，还得生成yolov3-custom.cfg文件（这一步我也是之后才发觉的，论认真看readme的重要性！）。怎么生成这个文件呢？步骤如下：

$ cd config/                                # Navigate to config dir
$ bash create_custom_model.sh <num-classes> # Will create custom model 'yolov3-custom.cfg'

其中<num-classes>是类别数量，我的数据集是一个类别，就写1（不需要输入'<'和'>'）。

报错（花絮）

 　在运行train.py代码的时候遇到一些报错，与其称之为报错，还不如称之为花絮，为什么呢？那我就把实际情况重现一下：

TypeError: Caught TypeError in DataLoader worker process 0.

遇到这个问题的时候我就开始找博客，看看有没有解决方案（“其实你遇到的情况别人肯定也遇到过”，我很感谢我的师兄在我遇到问题的时候热心地帮我解决，他跟我说的这句话我会一直记得）。不出意外地看到了一样地报错问题，总共有两篇博客，当我仔细看，这两位博主也是在运行PyTorch-YOLOv3这个项目，列一下两篇博客地链接：https://blog.csdn.net/weixin_45093926/article/details/103330105
https://blog.csdn.net/qinglingLS/article/details/104411589
看到解决方案后我就立马按他们的方法去试呀，结果可想而知，因为已经说了是花絮，所以我还是没有解决问题。

解决问题的思路

 　那我该怎么解决我的问题呢？上文也提到了，我遇到报错的第一选择是去搜博客，没错，那么我就借此机会整理一下我解决问题的思路：

1. 以报错提示为关键词去搜博客
2. 去GitHub项目的 issues 搜 报错提示
3. Google搜 报错提示

报错提示是最根本的原因，但是可能不是最直接的原因。但是我按以上三个步骤一步步做下来还是没有解决问题（通常以上三个步骤就可以解决我目前遇到的问题）。那怎么办？因为当时已经凌晨两点多了，虽然很想把这个问题解决了，但是身体不允许啊，于是我就关电脑去睡觉。但是躺在床上的我辗转反侧怎么也睡不着，我就在回忆我今天用到的Linux命令，打算稍微记一下，以后用起来顺手一点。事情的转折点来了！！！当我回想 cp 命令的时候（我数据集是另一个项目生成的，数据集就是通过 cp 命令复制到data/custom/images/目录），我猛地想起，我的labels目录中还没复制，也就是说：因为PyTorch-YOLOv3项目中没有自定义数据集的标签，所以导致TypeError: Caught TypeError in DataLoader worker process 0.这不是明摆着的花絮嘛，我当时躺在床上分析了一下之后，认定出错的原因就在这了，其他环节都没问题。第二天醒来复制了标签之后，果然运行成功。

Warning

 　看到控制台出现Warning，我有一点点强迫症，就记录一下解决方案，Warning如下：

UserWarning: indexing with dtype torch.uint8 is now deprecated, please use a dtype torch.bool instead

 　这已经很明显提示我们了：需要将int8转换为bool，我就按上述解决方案的步骤，这次我选择了第二步：去GitHub项目的 issues 搜 报错提示。很快就找到了解决方法，链接如下：https://github.com/eriklindernoren/PyTorch-YOLOv3/issues/283
在utils/utils.py的第279行之后插入以下代码：

obj_mask=obj_mask.bool() # convert int8 to bool
noobj_mask=noobj_mask.bool() #convert int8 to bool

完美运行！

2020-05-26补充

 　每次训练时，每张图片必须包含所有类别，即classes.names这个文件中有几个类别，训练集中每张图片必须包含所有类别，否则会报错：RuntimeError: CUDA error: device-side assert triggered