前面介绍了《从零开始在Windows10中编译安装YOLOv3》和《在Pascal VOC 数据集上训练YOLOv3》，本节介绍在COCO 数据集上训练YOLOv3。
第一步，下载并配置COCO数据集。
a.git clone https://github.com/pdollar/coco
b. 在coco文件夹里面新建一个images文件夹
c. 将COCO数据集：
http://images.cocodataset.org/zips/train2014.zip
http://images.cocodataset.org/zips/val2014.zip
下载到images文件夹中，然后解压到当前文件夹
d. 将COCO Metadata：
https://pjreddie.com/media/files/instances_train-val2014.zip
https://pjreddie.com/media/files/coco/5k.part
https://pjreddie.com/media/files/coco/trainvalno5k.part
https://pjreddie.com/media/files/coco/labels.tgz
下载到coco文件夹
然后将labels.tgz解压到当前文件夹得到labels文件夹
将instances_train-val2014.zip解压到当前文件夹得到annotations文件夹
f.在Windows下安装Linux子系统
g. 在Windows下启动Ubuntu，先用命令
cd /mnt/d/darknet/coco/
切换到D盘下的coco文件夹，然后执行命令
paste <(awk "{print \"$PWD\"}" <5k.part) 5k.part | tr -d '\t' > 5k.txt
paste <(awk "{print \"$PWD\"}" <trainvalno5k.part) trainvalno5k.part | tr -d '\t' > trainvalno5k.txt
设置图片列表，如下图所示
到此，完成在COCO 数据集上训练YOLOv3的COCO数据集下载与配置。
第二步，修改 coco.data配置文件。
在D:\darknet\cfg文件夹，打开coco.data，根据实际情况，修改配置文件
第三步，修改yolov3.cfg 配置文件。
在D:\darknet\cfg文件夹，打开yolov3.cfg，修改batch 和 subdivisions如下
第四步，训练模型。
在D:\darknet文件夹的地址栏中键入“cmd”，启动Windows命令行终端，运行命令：
darknet.exe detector train cfg\coco.data cfg\yolov3.cfg darknet53.conv.74
完毕！~
参考文件：
1, https://pjreddie.com/darknet/yolo/
参考阅读《深度学习图像识别技术》
