-
在深入研究YOLO对象检测的过程中，我发现YOLOv3-tiny架构对于初学者训练定制对象检测项目尤为适合，原因在于该网络运行速度适中且适应于中小型数据集
资源介绍
YOLOv3-微小的自定义对象检测
在我继续探索YOLO对象检测的过程中，我发现对于初学者来说，训练他们自己的自定义对象检测项目是使用YOLOv3-tiny体系结构的理想选择，因为该网络相对较浅并且适用于中小型数据集
环境：
操作系统：Ubuntu 16.04 CUDA 9.0 cuDNN 7.0 Tensorflow 1.8.0 OpenCV 3.3.0
GPU：英伟达Geforce GTX 1080
大量资料来源：
步骤1：
转到YOLO网站 ，按照说明进行操作并安装Darknet。
第2步：
使用CUDA和OpenCV进行编译，指令如下： : 在训练自己的数据集之前，请确保您可以运行这些命令。
./暗网检测器演示cfg / coco.data cfg / yolov3.cfg yolov3.weights
./暗网检测器演示cfg / coco.data cfg /