yolo训练过程killed

最新推荐文章于 2024-07-07 17:18:45 发布
最新推荐文章于 2024-07-07 17:18:45 发布
阅读量4k 收藏 8
点赞数 5
分类专栏： Deep Learning Error 文章标签： 深度学习 python yolo yolov5
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/ayiya_Oese/article/details/116299180
版权

在之前的训练中，一直是正常运行的，但是，做了大量的数据增强之后，训练开始没多久就死掉了
top查看资源之后发现32G的内存，几乎全被占用了，这时候才刚开始训练
在这里插入图片描述
训练数据集和验证数据集都特别大，一个epoch还没跑完就杀死了，就是因为内存满了
在这里插入图片描述
这时候就想到了训练时使用的一个参数--cache，将这个参数去掉之后，问题就解决了

ayiya_Oese
关注
  • 5
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 11
    评论
专栏目录
YOLO训练
hrsstudy的博客
03-24 1万+
YOLO 数据准备、训练、可视化训练过程中间参数、模型评估
YOLOv5训练报错--Killed 程序被kill掉
weixin_46135327的博客
05-01 2132
这种情况可能是由于硬件问题导致，GUP不够强大，建议在train.py文件中，降低bach_size大小，降低后便能正常运行。
YOLOv5的被系统杀死的报错修改
m0_49586319的博客
05-26 761
YOLO训练被系统杀死的报错
ubuntu训练yolov5模型，运行train.py很快进程被kill解决方法
最新发布
StephenSu3的博客
07-07 157
很有可能是内存不够大，可以提高交换空间（默认的比较低）。总内存最少16G比较好，也就是如果内存是8G，那么交换空间就至少改成8G以上。这是我在训练一会儿时候的内存占用情况。（第二篇没有提到第一篇提到的关闭交换空间，先关闭交换空间再看这篇）
模型训练到一个新batch时会被killed【原因以及解决方法】
qq_43663979的博客
03-08 1137
模型训练到一个新batch时会被killed【原因以及解决方法】
RuntimeError: Dataloader worker (pid 13229) is killed by signal: Terminated
weixin_45819759的博客
06-15 416
法一：直接改train里面的workers，改为2或者4或者6。法二：改batch_size，改为8或者16。运行YOLOv7代码，中配置文件的参数问题。
【Yolov5】RuntimeError: DataLoader worker (pid 25795) is killed by signal: Bus error.
luckynote
12-11 3745
Traceback (most recent call last): File "train.py", line 461, in <module> train(hyp, opt, device, tb_writer) File "train.py", line 271, in train pred = model(imgs) # forward File "/usr/local/lib/python3.8/dist-packages/torch/nn/module...
深度学习踩坑记录
abc1234564546的博客
12-13 511
深度学习踩坑记录
YOLO训练过程参数可视化
04-09
在YOLO训练过程中，理解并监控模型的参数变化对于优化模型性能至关重要。本主题将详细探讨YOLO v2的训练过程参数可视化，以及提供的三个Python脚本的作用。 首先，YOLO v2是对原版YOLO的改进版本，它引入了多尺度...
yolo训练自己数据集.txt
05-16
yolo训练自己数据集参考链接集合，亲测好用
手势识别大拇指yolo训练集
06-08
在YOLO的训练过程中，这个文件会指示模型哪些图片用于训练，以及这些图片中目标的类别和位置信息。 2. `images`：这个文件夹包含大量的图像，是训练模型的实际输入数据。每个图像都应展示一个或多个大拇指手势，且...
yolo 车辆训练集，7000张 无漏标注，识别率99.8 ，无重复图片，直接下载就跑
11-09
为了充分利用这个训练集，训练过程应该包括预处理步骤，如图像归一化、缩放，以及可能的增强技术，如翻转、裁剪，以增加模型的泛化能力。训练过程中还需要调整超参数，如学习率、批次大小、训练轮数等，以找到最佳...
yolo训练目录文件
03-16
让我们深入探讨一下其中包含的文件以及它们在YOLO训练过程中的作用。 首先，`darknet19_448.conv.23`是一个预训练的权重文件。在YOLO训练中，通常会使用预训练模型作为起点，以加速训练并提高最终模型的性能。这个...
Yolov4 训练数据常见的问题
Tjmies的博客
11-24 1598
Yolov4 训练数据常见的问题
Tensorflow刚开始训练killed bug解决方案
RanCh.Wong
09-19 5325
这个BUG弄了整整两天，记录一下 各种百度，各种换模型，搞得头昏脑胀，最后通过对比实验，监测到killed之前内存暴涨，怀疑是内存泄漏或者内存不够，原来的训练图片尺寸5472×3648,resize一下就可以正常训练了，resize代码如下 import os from PIL import Image filename = os.listdir("/home/wxy/下载/VOCdevki...
yolov5-master训练陷入内核死循环
weixin_43337201的博客
09-03 2377
项目场景： 入职第三个月的第一天搞崩公司服务器 近期yolov5模型（参考github地址：https://github.com/ultralytics/yolov5）比较火，准备上手更新一下之前用v3做的项目，处理过数据格式问题后，python train.py --img-size 640 --batch-size 16 --epochs 300 --data ./data/score.yaml --cfg ./models/yolov5x.yaml --weights weights/yolov5x.
Yolo V5 训练
xueruixuan的专栏
11-01 976
1、下载YOLO V5源代码 git clone https://github.com/ultralytics/yolov5 2、使用yolv v5进行图片检测 --save-txt：会将检测结果以txt的形式保存 内容依次为：<object-class> <x_center> <y_center> <width> <height> 如：56 0.758585 0.868902 0.0762363 0.140244 python de
linux训练python出现killed_Ubuntu16.4系统下为Python配置caffe环境
weixin_42329480的博客
02-07 422
一、环境准备Linux: ubuntu-16.04-desktop-amd64CUDA:cuda-repo-ubuntu1504-7-5-local_7.5-18_amd64.deb二、安装步骤1.安装必要的环境sudo apt-get update #更新软件列表sudo apt-get upgrade #更新软件sudo apt-get install build-essential #安装b...
在恒源云做深度学习时运行train.py到第1个epoch就自动终止了
weixin_61057398的博客
11-27 1089
也是一个 .ipynb 文件。. 默认情况下，Jupyter 将每隔 120 秒自动保存你的 notebook，而不会改变你的主 notebook 文件。. 当你“保存和检查点”时，notebook 和检查点文件都将被更新。. 因此，检查点使你能够在发生意外事件时恢复未保存的工作。每当你创建一个新的 notebook 时，都会创建一个检查点文件以及你的 notebook 文件；（2）.不要只执行下面这一句命令，这样有可能会将你的数据集删掉。（1）.先cd 到那个数据集所在的文件夹。
yolo训练测试推理过程
09-15
YOLO（You Only Look Once）是一种实时目标检测算法，它的训练、测试和推理过程如下： 训练过程： 1. 数据集准备：收集带有标注框的图像数据，并将它们划分为训练集和验证集。 2. 标注数据：使用标注工具（如LabelImg）对图像进行手动标注，将每个目标对象的边界框和类别标签绘制出来。 3. 预处理：将图像和对应的标注转换为模型可接受的格式。这通常包括调整图像大小、数据增强（如随机裁剪、翻转等）和标签转化为目标检测格式（如YOLO需要的(x, y, width, height)形式）。 4. 网络架构选择：选择适合的YOLO变体（如YOLOv1，YOLOv2，YOLOv3等）作为目标检测网络的基础架构。 5. 模型训练：使用训练集对目标检测网络进行训练。训练过程中，通过计算预测框与真实框之间的损失，利用反向传播算法更新网络参数。 测试过程： 1. 预处理：将待测试的图像进行预处理，使其适应网络输入要求。 2. 将图像输入网络：将预处理后的图像输入已经训练好的目标检测网络。 3. 在网络输出上进行后处理：根据网络输出得到的边界框和类别置信度，使用非极大值抑制（NMS）算法对边界框进行筛选和去重，以及过滤掉置信度较低的边界框。 4. 输出结果：将经过NMS处理后的边界框和对应的类别标签作为最终的目标检测结果。 推理过程： 1. 预处理：与测试过程相同，将待推理的图像进行预处理。 2. 将图像输入网络：将预处理后的图像输入已经训练好的目标检测网络。 3. 在网络输出上进行后处理：与测试过程相同，在网络输出上进行NMS等后处理操作。 4. 输出结果：将经过NMS处理后的边界框和对应的类别标签作为最终的目标检测结果，并根据需要进行可视化或其他后续操作。 以上是YOLO训练、测试和推理的基本流程，具体实现细节可能因不同的YOLO变体和实际应用场景而有所差异。
评论 11
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

打赏作者

ayiya_Oese

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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