YOLO学习03（解决训练数据集时出现的问题）

已于 2022-07-24 23:49:22 修改
阅读量2.4k 收藏 3
点赞数 1
分类专栏： 手势识别学习 文章标签： 学习
于 2022-07-10 22:54:28 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/ling_er_mei_mei/article/details/125703814
版权

 错误提示：OSError: [WinError 1455] 页面文件太小，无法完成操作。

解决办法：解决pycharm中: OSError: [WinError 1455] 页面文件太小，无法完成操作 的问题

 GPU训练就是快！

做推理的时候改动这两个位置：

1、第一个位置写的是训练完数据集之后最好的结果存放的位置。

2、这里的 '0' 说明是调用摄像头做的推理。

下面是推理的效果展示：

20220710

到此为止，YOLOv5复现就算完成啦！

 我想训练500次来着，但是好像训练到83次效果就没有显著变化了，就自己停了

Stopping training early as no improvement observed in last 100 epochs. Best results observed at epoch 83, best model saved as best.pt.
To update EarlyStopping(patience=100) pass a new patience value, i.e. `python train.py --patience 300` or use `--patience 0` to disable EarlyStopping.

训练效果见下面：

20220710_214145_推理效果_哔哩哔哩_bilibili

噫噗瑟弄°
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
YOLOsv8安全帽检测改进创新点详解稳定涨点
crasher123的博客
07-25 312
最终采用的改进点为1.Loss采用AlphaIoU引入GAM注意力机制引入ODConv。
early-stopping-pytorch:提前停止PyTorch
05-10
提前停止PyTorch 提早停止是一种正则化形式，用于避免过度拟合训练数据集。 提前停止跟踪验证损失，如果损失连续连续几个时期停止减少，则训练将停止。 该EarlyStopping类pytorchtool.py用于创建一个对象来跟踪验证损失的同时培养了模型。 每当验证损失减少时，它将保存模型的检查点。 我们在EarlyStopping类中将patience参数设置为在上次验证损失改善后要中断训练循环之前我们要等待多少个时期。 在笔记本中，有一个简单的示例说明如何使用EarlyStopping类。 下面是示例笔记本的图，该图显示了在模型开始过拟合之前，EarlyStopping对象所做的最后一个检查点。 耐心设定为20。 用法 您可以通过单击以下按钮直接在浏览器中运行该项目： ，也可以将项目克隆到计算机上，然后安装需求文本文件中指定的必需pip软件包。 pip install -r r
目标检测 YOLOv5 - 早停机制（Early Stopping）
flyfish
09-07 1万+
目标检测 YOLOv5 - 早停机制（Early Stopping） flyfish Early Stopping but when? YOLOv5:v5的版本没有早停机制，在2021年9月5日后的版本更新了早停机制 EarlyStopper updates #4679（Sep 5, 2021） 参数 patience：训练了多少个epoch，如果模型效果未提升，就让模型提前停止训练。 fitness监控的是增大的数值，例如mAP，如果mAP在连续训练patience次内没有增加就停止训练。 ##如何使用
CV学习笔记-推理和训练
Moresweet 猫甜
12-13 1803
推理和训练 1. 概述 训练（Training）： 一个初始神经网络通过不断的优化自身参数，来让自己变得准确。这整个过程就称之为训练（Training） 推理（Inference）： 你训练好了一个模型，在训练数据集中表现良好，但是我们的期望是它可以对以前没看过的图片进行识别。你重新拍一张图片扔进网络让网络做判断，这种图片就叫做现场数据（livedata），如果现场数据的区分准确率非常高，那么证明你的网络训练的是非常好的。这个过程，称为推理（Inference）。 Supervised Learning有
使用early stopping解决神经网络过拟合问题
u010960155的博客
02-14 1万+
神经网络训练多少轮是一个很关键的问题，训练轮数少了欠拟合（underfit），训练轮数多了过拟合（overfit），那如何选择训练轮数呢？ Early stopping可以帮助我们解决这个问题，它的作用就是当模型在验证集上的性能不再增加的时候就停止训练，从而达到充分训练的作用，又避免过拟合。 一、在Keras中使用early stopping Keras中有EarlyStopping类，可以...
（13）深度网络模型训练评价指标之yolov5训练结果分析
yohnyang的博客
12-03 1万+
（13）深度网络模型训练评价指标之yolov5训练结果分析
【深度学习】yolov5以及yolov8的微调后的模型精度对比
weixin_40293999的博客
07-21 3698
做了一个烟火识别，用了2W张图片，标注包括：fire，smoke。在coco80类的模型上进行ft， 借此机会进行比较一下。
Yolov8-目标检测-在自己的数据集上训练模型
Darkangel666999的博客
12-08 2126
放弃自己配置的环境，使用google colab。以及在linux、google colab上的报错信息
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
yolov7自动停止（设置patience）且输出最优模型时的PR图（test best.py）
qq_45374101的博客
07-26 5165
修改yolov7源码实现自动停止（设置patience）且输出最优模型时的PR图（test best.py）
深度学习 香蕉数据集（带标注）YOLO和VOC格式 3000张图片
06-20
使用这样的数据集，深度学习模型，尤其是专注于物体检测的模型，如YOLO或Faster R-CNN，可以进行训练，以识别和定位图像中的香蕉。训练过程通常包括前向传播、反向传播和权重更新等步骤，目的是最小化预测结果与实际...
深度学习，YOLO吸烟数据集，可直接用于yolo训练 已做好标注txt
04-03
深度学习是一种人工智能领域的核心技术，它模仿人脑神经网络的工作方式，通过大量的数据训练模型来解决复杂问题。在本数据集中，重点聚焦于使用深度学习的YOLO（You Only Look Once）算法来识别吸烟行为。 YOLO是...
YOLO行人目标检测数据集 dataset_person.zip
03-23
在训练YOLOv5时，用户可能需要配置训练脚本，指定数据集路径、批大小、学习率等参数。训练完成后，模型可以部署到实际应用中，实现对新输入图像的实时行人检测。值得注意的是，为了获得最佳性能，用户可能还需要进行...
机器学习数据集猪头部识别yolo格式
07-11
在机器学习领域，数据集是模型训练的基础，而“机器学习数据集猪头部识别yolo格式”是一个专门针对猪头部识别任务的数据集。这个数据集包含大约1490张图像，每张图像都经过了精确的人工标注，用于训练模型进行猪头部...
YOLO无人机航拍输电线路绝缘瓷瓶数据集
最新发布
04-20
《YOLO无人机航拍输电线路绝缘瓷瓶数据集：深度学习在AI视觉检测中的应用》 在现代科技发展的浪潮中，人工智能（AI）与深度学习已成为诸多领域的核心技术，尤其在图像识别和处理方面表现突出。本文将详细介绍“YOLO...
Pytorch实现Early Stopping --- 已解决
喵喵love的博客
12-22 7056
楼主这两天在研究torch，思考它能不能像tf中一样有Early Stopping机制，查阅了一些资料，主要参考了这篇博客，总结一下： 实现方法 安装pytorchtools，而后直引入Early Stopping。 代码： # 引入 EarlyStopping from pytorchtools import EarlyStopping import torch.utils.data as Data # 用于创建 DataLoader import torch.nn as nn 结合伪代码进行讲解： m
early_stopping
hch977的博客
05-12 1478
early_stopping 逻辑 在训练模型时，先申请一个early_stopping类，patience 表明能容忍几次，delta表明能容忍在训练过程中val_loss 的上升的范围 每一个epoch都把val_loss和模型传入到该实例中,正常来说，随着训练的过程，val_loss应该跟train_loss一起变小，但过拟合时，train_loss 会降低，val_loss会升高，我们设置patience表示容忍几次升高就停止 源代码 外部调用 early_stopping = EarlyStopp
Pytorch-早停法（early stopping）原理及其代码
热门推荐
秀呀秀的博客
12-04 5万+
作为深度学习训练数据的trick，这个方法必须知道啊，结合交叉验证法，可以防止模型过早拟合。 早停法是一种被广泛使用的方法，在很多案例上都比正则化的方法要好。是在训练中计算模型在验证集上的表现，当模型在验证集上的表现开始下降的时候，停止训练，这样就能避免继续训练导致过拟合的问题。其主要步骤如下： 1. 将原始的训练数据集划分成训练集和验证集 2. 只在训练集上进行训练，并每隔一个周期计算模型在验...
keras中的early stopping
ukakasu的博客
04-26 2万+
目的：防止过拟合# early stoppping from keras.callbacks import EarlyStopping early_stopping = EarlyStopping(monitor='val_loss', patience=50, verbose=2) # 训练 history = model.fit(train_X, train_y, epochs=300, ba...
stopping training early as no improvement observed in last 100 epochs. best
05-10
停止训练是机器学习中的一个非常重要的决策，一旦决定停止训练，就不会再有新的模型参数被计算出来，因此必须仔细考虑什么时候停止训练。 如果在训练的过程中，模型的性能一直没有得到明显的改善，而且已经经过了100个epoch，那么停止训练可能是一个不错的决定。这种情况下，继续训练可能会导致过拟合的风险，也可能因为训练过度而浪费时间和计算资源。 当然，不应该仅仅凭借一个数字来决定是否停止训练。反而，要对训练数据、验证数据的结果进行充分的分析，确保性能已经达到了一个最优状态，而且不会再有太大的提升空间。 此外，还需要权衡时间和资源的成本。如果训练时间和计算资源有限，那么在经过适当的分析之后，就应该考虑停止训练。 综上所述，要正确地决定何时停止训练，需要对数据和模型性能进行充分分析，考虑时间和资源成本，最终做出决策。

“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
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