如何在mmdetection训练中断后接着上一次的训练结果训练？

最新推荐文章于 2024-05-28 12:36:54 发布
最新推荐文章于 2024-05-28 12:36:54 发布
阅读量675 收藏 7
点赞数 2
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Ambition_Du/article/details/133294875
版权

如何在mmdetection训练中断后接着上一次的训练结果训练？

我们在训练过程中难免会遇到一些特殊情况，使得训练过程中断，那么我们应该如何在训练中断之后再接着之前的训练结果训练呢？
我们分析train.py中的参数设置
在这里插入图片描述
也就是说，在中断训练后，我们在命令中传入resume-from参数值就可以接着之前的训练，具体命令如下代码所示：

python tools/train.py configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py --work-dir work_dirs/xxx --resume-from work_dirs/xxx/latest.pth

运行之后我们就可以看到模型接着从上次中断的轮数开始训练啦
在这里插入图片描述

正在长头发的研究生
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
mmdetection训练SOLOv2修改过的源码
03-19
本文将详细解析如何在mmdetection环境中训练经过修改的SOLOv2模型。 首先，我们需要了解mmdetection的基础架构。mmdetection是一个模块化的框架，它允许用户方便地实现、调整和比较各种目标检测方法。其核心组件...
mmdetection最新版说明文档.pdf
09-15
* 可以使用MMDetection在标准数据集上进行推理和训练，也可以在自定义数据集上进行训练和测试。 与Detectron2的比较 * MMDetection和Detectron2都是流行的计算机视觉检测工具包，两者之间存在一些差异。 * MM...
mmdetection修改epoch？或者训练完，怎么增加epoch继续训练？
m0_63947712的博客
04-11 1198
打开./work_dirs/faster-rcnn_r50_fpn_1x_coco/faster-rcnn_r50_fpn_coco.py（根据自己文件名来哈），这个文件刚开始是没有的，只有开始训练后，才会根据配置信息生成，我们直接在这个文件上修改。②milestones是学习率下降的地方，[8,11]表示学习率在第8、11个epoch下降，随着总epoch数的改变，milestone也需要改变。注：其他版本的mmdetection恢复模型的命令可能不是--resume哦，可参考以下博客。
mmdetection训练中断，怎么接上次训练结果继续训练，或从之前某个epoch的模型直接开始训练？
m0_63947712的博客
04-11 778
比如如果之前训练后最新的pth是第11个epoch的，但是不小心把epoch_11.pth删了，程序默认找epoch_11.pth，那就找不到这个模型文件了，就会报错。注意我们采用这种方法恢复时，命令的第二个py文件和我们最初用系统提供的模型来训练的命令的第二个py文件是不同的。字段，'help'中写道：如果指定路径，那么恢复相应的模型；最初用系统提供的模型来训练的命令如下：可以看到第二个py文件是configs/...目录里的。因此，要从上次中断的位置或者用之前的模型训练，只需加上--resume字段。
mmdetection断点训练及遇到的问题AttributeError: ‘SSDHead‘ object has no attribute ‘loss_cls‘
最新发布
TracyGC的博客
05-28 404
由于mmdetection是用终端运行的，如果不小心把终端关掉了，用以下方式继续上次训练.进入mmdetection-main目录里面之后再次重新编译。可以看到train.py里面是有一个resume参数的。
[mmdetection] 如何在训练中断后,接着上次训练?
wzk4869的博客
11-28 851
[mmdetection] 如何在训练中断后,接着上次训练?
【 [mmdetection] 如何在训练中断后,接着上次训练?】
热门推荐
weixin_46600060的博客
03-28 1万+
[mmdetection] 如何在训练中断后,接着上次训练? 最近由于不知名原因,在用 faster rcnn 训练一个大型数据集的时候,在epoch= 20 的时候中断训练了.采用以下方式继续上次训练. 打开 train.py,如图: 也就是说,训练时,最后加一个–resume from 参数,然后后面跟上次训练生成的最后一个权重文件(.pth)就可以了. 因此,在命令行输入以下语句进行训练即可以完全相同的模型配置继续上次的训练啦:: python tools/train.py configs/fas
DSOD断点继续训练
sinat_38011533的博客
01-14 283
目的：备忘 在ssd类上通用。 将/home/caffe-ssd/jobs /DSOD300/dsod_train/DSOD300_300x300中的.sh文件修改成： cd /home/caffe-ssd ./build/tools/caffe train \ --solver="models/DSOD300/dsod_train/DSOD300_300x300/solver.pro...
深度学习应用9CIFAR图像识别分类-断点续训
roymustang的博客
03-15 564
文章目录1下载数据集2导入数据集3显示图像4数据预处理4.1图像数据预处理4.2标签数据预处理将标签改为独热编码5建立Cifar-10图像分类模型5.1定义共享函数5.2定义网络结构5.3构建模型5.4定义准确率6训练6.1启动会话6.2断点续训6.3迭代训练7模型预测7.1计算测试集上准确率7.2利用模型进行预测7.3 可视化预测结果 1下载数据集 可以从[(https://www.cs.tor...
MMDetection实战：MMDetection训练与测试
05-09
MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块，通过模块调用的方式，我们能够以很少的...
使用mmdetection训练目标检测算法-支持fasterrcnn+retinanet等算法-项目源码
04-28
训练完成后，可以使用mmdetection的评估工具对模型进行验证。如果效果不佳，可以调整参数并进行微调，或者尝试迁移学习，使用预训练模型作为起点。 **四、实战项目经验** 本项目提供了一个高质量的实战案例，帮助...
mmdetection2.8_inference.zip
01-14
总的来说，"mmdetection2.8_inference.zip"是一个完整的mmdetection目标检测实例，涵盖了从预训练模型到实际应用的全过程。通过学习和实践，开发者可以深入了解目标检测的技术细节，同时也为自己的项目提供了一套...
mmdetection 模型训练技巧
Guo_Python的博客
08-21 8164
由于在项目中和比赛中经常用到mmdetection，在此总结一些mmdetection的小技巧，有利于涨点。
【神经网络扩展】：断点续训和参数提取
hanhan的博客
09-08 885
课程来源：人工智能实践:Tensorflow笔记2 文章目录前言断点续训主要步骤参数提取主要步骤总结 前言 本讲目标:断点续训，存取最优模型；保存可训练参数至文本 断点续训主要步骤 读取模型： 先定义出存放模型的路径和文件名，命名为.ckpt文件。 生成ckpt文件的时候会同步生成索引表，所以通过判断是否存在索引表来知晓是不是已经保存过模型参数。 如果有了索引表就利用load_weights函数读取已经保存的模型参数。 code: checkpoint_save_path = "./checkp
【pytorch】（断点）继续上次训练
胡侃有料的博客
09-20 1700
every blog every motto: You can do more than you think. 0. 前言 训练过程中，停止，后续接着训练 1. 正文 1.1 保存信息 每个eopch以后需要保存后续接着训练的信息，信息包括，model、optimizer、epoch for epoch in range(start_epoch,end_epoch): for iter ,data in enumerate(dataloader): pass # --------------
PyTorch实现断点继续训练
yangling1035的博客
11-02 5495
当epochs值比较大，在训练过程由于一些原因模型停止训练，好的解决方法是（1）重新训练模型；（2）接着上次训练的断点继续训练 一、模型的保存与加载 1. 保存整个Module torch.save(net, path) 2. 保存模型参数 state_dict = net.state_dict() torch.save(state_dict , path) 二、模型训练过程中保存 checkpoint = { "net": model.state_dict(), 'op
Swin Transformer实战目标检测：训练自己的数据集
01-04
Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。 Swin Transformer是基于Transformer的计算机视觉骨干网，在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。 本课程将手把手地教大家使用labelImg标注和使用Swin Transformer训练自己的数据集。  本课程将介绍Transformer及在CV领域的应用、Swin Transformer的原理。 课程以多目标检测（足球和梅西同时检测）为例进行Swin Transformer实战演示。 课程在Windows和Ubuntu系统上分别做项目演示。包括：安装软件环境、安装Pytorch、安装Swin-Transformer-Object-Detection、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、数据集格式转换（Python脚本完成）、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计、日志分析。  相关课程： 《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045
深度学习如何恢复训练？中断的训练如何接着之前保存的 ckpt 参数继续训练？Pytorch-Lightning Trainer
weixin_44212848的博客
02-08 2812
加载 ckpt 模型参数继续训练
mmdetection训练结果
08-12
mmdetection的训练结果可以通过可视化分析工具来进行分析和选择合适的模型进行后续测试。这个工具可以绘制每次验证结果的mAP（平均精度均值）结果曲线，以帮助选择最佳模型。具体的命令如下： ``` python tools/analysis_tools/analyze_logs.py plot_curve ./work_dir/20201228_234809.log.json --keys mAP --legend mAP --out mAP.jpg ``` 在训练过程中，可以观察一些参数的变化来了解训练情况。例如，eta表示剩余的训练时间，memory表示内存使用情况。而损失函数方面，loss_rpn_cls表示rpn层的分类损失，loss_rpn_bbox表示rpn层的回归损失，loss_cls表示分类损失，loss_bbox表示回归损失。其中，总损失（loss）是这四个损失之和。另外，还有一个指标是准确度（acc）。希望这些信息对你有帮助！<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [【mmdetection】绘制训练结果中验证集测试的mAP曲线图](https://blog.csdn.net/weixin_46600060/article/details/125090202)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [【mmdetection】使用coco数据集训练后结果可视化](https://blog.csdn.net/qq_41627396/article/details/116834884)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值