yolov5添加模块后，不止需要改yaml,预训练模型参数读取部分也要改呀

已于 2022-11-02 15:19:46 修改
阅读量1.6k 收藏 22
点赞数 1
分类专栏： 小技巧 文章标签： python pytorch yolo attention
于 2022-11-01 21:43:29 首次发布
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/Is_ever/article/details/127642127
版权

1.当我们在yolov5中插入自己修改的模块时，不止要在common.py中添加自己的模块代码，如

 

 

然后在yaml文件中修改concat层数。如

 

2.如果只是这样的话，那么模型在读入预训练参数时，会出现在所加模型后的参数都读取不上的情况，如

Transferred 20/355 items from yolov5s.pt

3.修改源码部分如

 

4，这样便可以正确读入预训练参数了。

Is_stefanie
关注
  • 1
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
yolov5预训练模型
05-08
涵盖了yolov5m、yolov5s、yolov5l、yolov5s模型
在YOLOv5中，如果需要改出属于自己的模块，可以参考以下步骤：
weixin_64795158的博客
04-25 635
anchor.py等）的写法进行代码编写。这样，你就可以使用'--model my_module'来训练你定义的模型了。在train.py中添加相应的命令行解析语句，以支持用户在训练时选择使用你的自定义模块。在train.py中添加相应的命令行解析语句，以支持用户在训练时选择使用你的自定义模块。在models目录下创建一个新的.py文件，比如说my_module.py。在my_module.py中定义你的模块。可以参考原有的模块（最后，在训练时只需要使用你的模型名称就可以启用你的自定义模块。
模型训练时遇到的问题总结
最新发布
yszbrzdd的博客
04-24 1397
模型训练遇到的问题总结
YOLOv8/v5改模型结构（如添加注意力）之后，加载预训练权重
Dneccc的博客
10-25 1074
YOLOv5改模型结构（如添加注意力）之后，加载预训练权重
YOLOV5的使用 自改
qq_45077634的博客
12-05 140
|—datasets  |=|—Dim_detect   |=|=|—VOCdevkit    |=|=|=|—images     |=|=|=|=|—train     |=|=|=|=|—val    |=|=|=|—labels     |=|=|=|=|—train     |=|=|=|=|—val  |=|—Dims_detect |—YOLOV5  |=|—models   |=||=|—ball.yaml  |=|—data   |=||=|—ball.yaml  |=|—weights
git新拉代码更新到pr代码
qq_36475346的博客
06-26 649
git新拉代码更新到pr代码 有时本地代码仓删掉后，新拉的代码没有以前pr的内容，需要把以前pr的内容合并到新拉的代码中 一、过程 1 拉一份新代码 2 建立本地分支 3 将远端代码拉到本地 4 切换分支 二、使用步骤 1.新代码 拉完新代码后查看分支： 代码如下（示例）： phchang@DESKTOP-3FQS4EN:~/openharmony_master_jffs/kernel/liteos_a$ git branch * (no branch) 建立新的master分支： repo sta
【计算机视觉】YOLO 入门：训练 COCO128 数据集
wzk4869的博客
08-29 1万+
【计算机视觉】YOLO 入门：训练 COCO128 数据集
yolov5问题解决记录贴
热门推荐
HOLEYU的博客
11-12 2万+
随手记，以后有时间再整理吧 问题一：环境配置后cuda与pytorch不符 detect: weights=yolov5s.pt, source=data/images, imgsz=[640, 640], conf_thres=0.25, iou_thres=0.45, max_det=1000, device=, view_img=False, save_txt=False, save_conf=False, save_crop=False, nosave=False, classes=None,
基于Yolov8网络进行目标检测（三）-训练自己的数据集
不胜人生一场醉
09-16 3790
前一篇文章详细了讲解了如何构造自己的数据集，以及如何修改模型配置文件和数据集配置文件，本篇主要是如何训练自己的数据集，并且如何验证。VOC2012数据集下载地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/coco全量数据集下载地址：http://images.cocodtaset.org/annotations/annotations_train...
yolov7代码及全部预训练权重
07-07
该资源包含： 1.yolov7的代码 2.yolov7.pt yolov7x.pt yolov7-w6.pt yolov7-e6.pt yolov7-d6.pt yolov7-e6e.pt等6个预训练权重文件
yolov5-3.1版本训练时可能会报错及修改方法汇总
08-20
yolov5-3.1 版本训练时可能会报错及修改方法汇总 yolov5-3.1 版本在训练时可能会出现多种错误，这些错误会导致训练失败或中断。下面我们来详细介绍这些错误及其修改方法。 一、 RuntimeError: a view of a leaf ...
YOLOv8预训练权重文件集合(YOLOv8n,YOLOv8s,YOLOv8m,YOLOv8l,YOLOv8x)
06-23
YOLOv8预训练权重文件集合(YOLOv8n,YOLOv8s,YOLOv8m,YOLOv8l,YOLOv8x) YOLOv8 pretrained Detect models are shown here. Detect, Segment and Pose models are pretrained on the COCO dataset, while Classify ...
训练好的yolov5算法水果检测模型权重+数据集
03-29
训练好的yolov5算法水果检测模型+数据集，数据集目录已经配置好，yolo格式(txt)的标签，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接进行训练模型， 数据集和检测结果参考...
逐步训练YOLOv5对象检测模型的教程(一步步指导).docx
05-30
7. **模型训练**：使用YOLOv5训练模型通常涉及调整模型超参数、指定训练配置和运行训练脚本。训练过程会根据数据质量和模型架构优化权重，以提高对目标物体的检测精度。 8. **性能提升**：随着训练数据量的增加，...
（三）Yolov5--模型文件（yolov5s.yaml）解读和模型修改
ali1174的专栏
03-12 1万+
解读yolov5的模型文件和如何修改模型
基于YOLOV8的安全帽佩戴检测（含训练好的模型和训练集）
unlike353035108的博客
01-10 2681
使用YOLOV8n，在codlab上使用T4GPU训练100次，得到训练模型，可以直接加载使用。YOLOV8已训练的安全帽检测模型。YOLOV8格式的数据集。测试代码，使用本地摄像头。
深度学习之YOLOv5实践应用（3-1）人头检测模型
light169的专栏
03-10 1万+
参考： 基于yolov5训练人头检测模型 - 知乎 一、数据集 下载地址：链接： 四、模型训练 1. 数据集目录配置 在data文件夹下创建head.yaml，此文件设置类别数量，类别名称以及数据集的路径。内容如下图所示： ​ head.yaml 2. 预训练模型 从 yolov5 github 源码地址下载预训练 yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt放置在 weights目录下，训练前需要修改models目录下yolov5.ya
yolov5 用自己的数据集进行训练
weixin_45824067的博客
05-13 1664
batch可选择调为16、24、40、64、128....。先选一个小的，保证能跑起来，然后慢慢加大，如果内存不足报错，就返回上一个batch大小。把项目models/yolov5n.yaml文件拷贝一份，只修改类别数量（num of classes）就成，保存为。这里没有GPU，所以只跑一个 epoch。这样模仿VOC数据集的目录结构，与yolov5项目里的代码所匹配。train：修改为yolov5_train.txt。val： 修改为yolov5_val.txt。names也进行修改，保存为。
yolov5修改yaml文件后，预训练权重加吗还
05-12
一般来说，如果你修改了YAML文件中的模型结构，那么预训练权重是需要重新训练的。因为模型结构的修改可能会导致模型参数的数量和顺序发生变化，从而使预训练权重无法直接适用于新的模型结构。 但是如果你只是修改了YAML文件中的一些超参数，例如学习率、批大小等，那么一般情况下是不需要重新训练预训练权重的。你可以继续使用原来的预训练权重，并基于此进行微调训练即可。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
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