正常情況下，很多時候都是直接使用預訓練模型進行訓練
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74
如果出現意外還可以繼續使用.backup檔案進行訓練
./darknet detector train cfg/coco.data cfg/yolov3.cfg backup/yolov3.backup
如果加上-clear 則模型會從初始狀态開始
./darknet detector train cfg/coco.data cfg/yolov3.cfg backup/yolov3.backup -clear
初始指的是疊代次數學習率，具體可以看cfg檔案裡面的參數。
下面是一些常用的指令記錄一下
./darknet detector test <data_cfg> <models_cfg> <weights> <test_file> [-thresh] [-out]
./darknet detector train <data_cfg> <models_cfg> <weights> [-thresh] [-gpu] [-gpus] [-clear]
./darknet detector valid <data_cfg> <models_cfg> <weights> [-out] [-thresh]
./darknet detector recall <data_cfg> <models_cfg> <weights> [-thresh]
'<>'必選項，’[ ]‘可選項 data_cfg：資料配置檔案，eg：cfg/voc.data
models_cfg：模型配置檔案，eg：cfg/yolov3-voc.cfg
weights：權重配置檔案，eg：weights/yolov3.weights
test_file：測試檔案，eg：*test.txt
-thresh：顯示被檢測物體中confidence大于等于 [-thresh] 的bounding-box，預設0.005
-out：輸出檔案名稱，預設路徑為results檔案夾下，eg：-out "" //輸出class_num個檔案，檔案名為class_name.txt；若不選擇此選項，則預設輸出檔案名為comp4_det_test_"class_name".txt
-i/-gpu：指定單個gpu，預設為0，eg：-gpu 2
-gpus：指定多個gpu，預設為0，eg：-gpus 0,1,2