pytorch——yolov3学习之模型训练

最新推荐文章于 2024-03-14 14:51:16 发布

zeallzeall

最新推荐文章于 2024-03-14 14:51:16 发布

阅读量1.6k

点赞数 2

文章标签： python 深度学习机器学习 pytorch

本文链接：https://blog.csdn.net/BigDiorXixi/article/details/109728136

版权

本文介绍了使用PyTorch训练YOLOv3模型的过程，包括数据集的准备，如将XML标注转换为txt文件，并调整训练参数。作者分享了在训练百度识虫数据集时遇到的问题，如正确设置label_files以匹配图片和标注文件的路径。

摘要由CSDN通过智能技术生成

pytorch——yolov3学习之模型训练

代码来自：https://github.com/eriklindernoren/PyTorch-YOLOv3

最近在学习yolov3，学长布置了任务，让用yolov3来训练百度识虫的数据集，写这篇文章总结一下最近的学习心得，写一写我在学习过程中踩的坑

数据集地址：https://aistudio.baidu.com/aistudio/datasetdetail/19638
（该数据集使用的是VOC存储方式，由2183张jpeg格式图片构成，其中训练集1693张，验证集245，测试集245张，共有六种昆虫，label数据为xml格式）

参数设置

既然要训练模型就要从train.py以及datasets.py入手，首先看train.py里面的设置部分

if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument("--epochs", type=int, default=10, help="number of epochs")
    parser.add_argument("--batch_size", type=int, default=1, help="size of each image batch")
    parser.add_argument("--gradient_accumulations", type=int, default=2, help="number of gradient accums before step")
    parser.add_argument("--model_def", type=str, default="config/yolov3.cfg", help="path to model definition file")
    parser.add_argument("--data_config", type=str, default="config/my_data.data", help="path to data config file")
    parser.add_argument("--pretrained_weights", type=str, help=

最低0.47元/天解锁文章