0


yolov5继续训练的方法,没解决sad

前提:虽然成功训练完了,但是想到以后万一训练轮数太少没收敛,怎么在已经训练好的模型基础上继续进行多轮epoch的训练。或者训练着突然中断,之前训练的岂不是功亏一篑。

起因:在kaggle上训练完150轮之后查看结果,mAP值和recall值感觉不是特别高,思考是不是再多训练几轮网络会更收敛。寻找继续训练的方法。

找了好多解决办法,都没解决问题,一下午没了,已经没有动力debug了,记录一下,方便下次有同样的问题拿来再尝试。

继续训练包括两种方式:

  • 训练过程中中断了,继续训练
  • 训练完了,但是未收敛,在这个基础上,还想用这个权重、学习率等参数继续训练多一些批次

尝试1--唯一运行成功的

思路:

直接用last.pt权重,epoch=要继续训练的轮数,比如想在训练100轮,epoch=100

!python train.py  --weights /kaggle/input/face-mask/last.pt --epochs 100 --device 0 

** 思考:**

相当于重新在原来基础上重新训练,并不是继续训练,结果也并没有很好,有一种不连贯的感觉。

  • 原来训练的结果150轮:

  • 重新用last.pt训练150轮的结果:(以为再训练150轮就能更好,结果并没有,糟糕糟糕OMG)

尝试2

参考博客:Kaggle平台持续运行项目最多9小时的解决方法

  • 思路:
  1. 把要训练的轮次分两次训练,比如100+100,第一次训练epoch=100,第二次训练epoch=200
  2. 记得save version,方便查看日志文件。
  3. 把训练好100轮的权重文件下载下来,再上传到kaggle和训练文件放在一起。
  4. 前100轮跑完之后,更改代码中的epoch值,更改模型读取保存模型的路径。
!python tarin.py --epoch 200 --weights last.pt路径 # 根据理解写出更改部分
  • 思考:

博主提到的什么“代码里加上一句,把之前训练好的模型加入到现在的日志文件中。”然后对代码的修改,怀疑该方法不适用于yolov5,因为看其他博主都会提到resume参数的设置。

尝试3

参考博客:yolov5 显示每个类别的mAP以及如何继续训练

思路:

1、将resume参数设置为Ture

2、设置weights参数中的default = ''填入想要继续训练的生成的exp中的last.pt的路径

思考:

这位博主并没有提到他的继续训练是针对于哪种情况,暂时归到第二种情况下,他本来在源代码上修改,我觉得没有必要,可以直接在终端输入指令:

!python train.py --weights last.pt路径 --resume True

后来又看到一篇博文说要在源代码上改才行,虽然心里不理解,后来在源代码上更改之后还是报错。

AssertionError: ERROR: --resume checkpoint does not exist

解决过程:一步解决:AssertionError: ERROR: --resume checkpoint does not exist

结果:并没有解决,开始报其他错。唉!

Traceback (most recent call last):
  File "train.py", line 621, in <module>
    main(opt)
  File "train.py", line 492, in main
    with open(Path(ckpt).parent.parent / 'opt.yaml', errors='ignore') as f:
FileNotFoundError: [Errno 2] No such file or directory: '/kaggle/input/opt.yaml'

尝试4--希望最大

参考博客:yolov5 继续训练

思路:

第一种情况:

断电、或者什么原因中断了,比如设定epoch为200,但是在90这里中断了,想从断点这里继续训练到200 epoch。
直接在train.py设置resume参数为True即可

parser.add_argument('--resume',  default=True, help='resume most recent training') # 感觉很靠谱,还没有遇到过这个情况,如果遇到就参考这个

第二种情况:

思路:

1、说是把resume改为ture,epoch改为300,然而下面的提示代码确实更改weights的,不理解为什么,到底改不改weights??

2、在train代码中#epoch部分下添加:

ckpt['epoch'] = 200  # 我认为应该是199,虽然训练了200轮,但是其实是0-199

思考:

不知道要不要改权重文件,理解resume和epoch确实要改,weights要不要改不确定,但是两种都试也报错:

AssertionError: ERROR: --resume checkpoint does not exist # 醉了

尝试5

参考博文:yolov5——断点训练/继续训练【解决方法、使用教程】

思路:适用情况1

1、改resume参数为True

2、更改权重为last.pt

3、开始训练

python train.py --weights last.pt路径

思考:

该方法针对于情况1,我没遇到过,遇到后可尝试。我的情况使用后好像还是报了一样的错误,resume checkpoint does not exist

后续成功!

  • 前提:在colab上训练一边看数据,一开始设置的epoch为150,觉得有点多,100就够了,去搜了之后,发现很简单就解决了。
  • 适用:正在训练过程中可以终止的程序。变大变小epoch都可以。

1、首先终止程序,也适用于正在训练之后突然断电终止。(一个主动终止,一个被动终止)


点击该按钮终止程序

2、修改train.py→resume参数default为True。

3、修改runs→train→exp11中opt.yaml中epoch数目为你想要的数字。

4、重新开始运行train.py文件即可。


本文转载自: https://blog.csdn.net/tank_6789/article/details/128306605
版权归原作者 tank_6789 所有, 如有侵权,请联系我们删除。

“yolov5继续训练的方法,没解决sad”的评论:

还没有评论