# 使用 pytorch 来训练
# 使用 onnxruntime 来做最终的推理输出以精简依赖

1 使用 newlabelimg.exe 程序，直接确认使用默认路径进行数据标注。
    使用 PascalVOC 标注方式标注好图片，默认在 ./imgs/data 里面
    一个图片对应一个同名的 xml 文件！！！

2 使用 yolo_train.py 启动程序开始训练，训练的基本参数在脚本中查看。
    每个 epoch 都会保存模型一次，在 mods 里面可以查看

2.1 如果有类型识别需求就按照 imgs 里面的 py 脚本，
    用 __3....py 的脚本将标注好的图片按照标注那样切出来并按照文件夹分类
    用 cnn_train.py 运行训练分类即可

3 使用 __onnx/__make_onnx.py 读取 mods 中的 torch 模型信息，
    在 __onnx 路径下面生成需要的最终 onnx 模型以及运行测试的文件

目前要识别坐标以及分类不能直接用 yolo 一次生成，
因为端到端的识别，一方面识别率感人，另一方面训练收敛速度太慢了。