Python 为自定义数据集创建YOLO权重文件

我用tiny YOLO创建了一个自定义模型。在与我的最终检查点对应的ckpt文件夹中生成了4个文件。当我给出.cfg文件和加载编号时，对象检测工作正常

我必须使用cv2.dnn.readnet（）来加载要在raspberrypi中使用的模型和cfg文件，但是readnet函数只需要2个参数，.weights文件和.cfg文件。那么，如何将模型转换为单个权重文件呢

---

我正在使用python 3.7和opencv 4。

这不是一个确切的答案，但您使用的存储库看起来很旧。如果您有数据，可以在

yolo v3

中重新训练自定义模型。该存储库拥有培训定制模型所需的所有信息，包括yolo v3 tiny，

---

这将在备份文件夹中每隔1000次迭代生成一个

.weights

，并生成恢复训练的最后权重。经过充分迭代后，您可以将这些权重与cv2.dnn.readnet（）中的

.cfg

文件一起使用。

模型应该只有一个权重文件，为什么有两个？@Mika只有一个权重文件，即预训练模型（第二幅图）。我想为我的自定义图像创建一个.weights文件，而不是创建的4个文件（第一个图像）。这样我就可以将它传递给cv2.dnn.readnet（）。