1.在darknet-master\build\darknet\x64 新建yolo-obj.cfg文件（可以直接複製yolov3.cfg,然後重命名爲yolo-obj.cfg），
然後就是修改這個文件內容了。
將batch 改成64 ：batch=64
將subdivisions 改成8 ：subdivisions=8
將每個yolo下（共有3處）的classes改成你自己的類的數量 ：classes = 1（我的是1類）
將每個yolo上面第一個convolutional下的filters改成你自己的大小，計算方法是： filters=(classes + 5)x3 ,由於我的是1類，所以我的filters=18. （和上面一樣，共有3處，3個yolo，每個yolo上面的第一個convolutional下的filters）每個yolo上面的第一個convolutional是網絡的最後一個輸出層。
注意：如果你對顯卡較差（4G顯存以下），會出現內存溢出錯誤（Out of memory），改正方法：將batch改小些（64,32,16,8），將random改成0關閉多尺度訓練。
2.在build\darknet\x64\data\下新建obj.names文件，裏面寫入你的類名，每個類名佔一行。
3.在build\darknet\x64\data\下新建obj.data文件
4.將你的所有樣本圖片放到：build\darknet\x64\data\obj\
5.將所有圖片對於的txt文件也放到：build\darknet\x64\data\obj
txt文件格式如下
6.在build\darknet\x64\data\下新建train.txt
將你的訓練圖片的路徑放入文件，每行一個路徑，如下圖：
7.將darknet的預訓練權重放入build\darknet\x64
8.修改網絡配置文件Makefile（在\darknet-master路徑下）
9.打開win10終端，cd進入darknet-master\build\darknet\x64路徑，然後輸入：darknet.exe detector train data/obj.data yolo-obj.cfg darknet53.conv.74 開始訓練。
10.訓練時，每訓練100輪，都會生成一個權重文件在build\darknet\x64\backup\ 下，文件名例如：yolo-obj_100.weights（後面的100是訓練100輪是的權重）。
11.測試訓練效果：
將那個backup文件下最後一個權重文件複製到build\darknet\x64\文件下，打開win10終端，cd進入然後運行darknet-master\build\darknet\x64路徑，然後輸入：darknet.exe detector test data/obj.data yolo-obj.cfg yolo-obj_100.weights（最後的權重改爲你自己的權重）。終端會提醒你輸入圖片路徑，然後你輸入測試圖片的絕對路徑即可看到效果。
