yolov5 继续训练

已于 2022-06-09 08:54:27 修改
阅读量2.5k 收藏 19
点赞数 1
分类专栏： 机器学习 学习 文章标签： 深度学习 机器学习 yolov5
于 2022-05-22 08:44:12 首次发布
原文链接：https://blog.csdn.net/weixin_44057060/article/details/124349715?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1-124349715-blog-113326291.pc_relevant_default&depth_1-utm_source=distribute.pc_rele
版权

昨天我训练了300轮，发现模型未收敛，想再继续训练200.采用博主博客中方法2，成功跑起来了

感谢博主：

yolov5 继续训练_weixin_44057060的博客-CSDN博客_yolov5 继续训练

具体做法是：
 

不是直接在train.py设置weight参数为训练好的权重（last.pt），然后设置epoch为300，这样不行，因为学习率等超参数启动时还是按照默认的。。。（自己把一些超参数设置好也可以，但感觉有点烦）
1. 在train.py代码里将 epoch 改为500
2. 在train.py设置resume为True
3. 在train.py大概190行如下位置之前加上代码

  ckpt['epoch'] = 300

m0_46093829
关注
  • 1
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
从零开始完成YOLOv5目标识别（六）用接续训练完成大规模数据集训练（以FLIR为例）
WZT725的博客
03-29 4164
在上一次训练中断的基础上进行接续训练，同时记录第一次训练大体积基础数据集出现的问题。
yolov5 如何在已经训练完成的模型文件上继续训练
qq_45675247的博客
04-08 1万+
yolov5如何在已经训练完成的模型文件上继续训练
YOLOv3: 训练自己的数据
04-20
YOLOv3: 训练自己的数据 里面有训练数据，训练标签，训练list文件
yolov5训练模型怎么暂停第二天继续
最新发布
qq_58504094的博客
03-25 1774
因为电脑配置问题，在进行模型训练时花费了五六个小时才训练了25，距离目标100还差好久，于是打算暂停第二天继续训练，探索了好久终于找到了方法。将runs/train/exp/opt.yaml里面的resume后面改为true(大概在第9行)再将train.py里面的resume中default改为true。继续执行train.py即可从原来的地方继续训练。按下Ctrl+c 停止训练。
Yolov5如何在训练意外中断后接续训练
m0_67402026的博客
06-18 8374
操作系统：Ubuntu20.04 CUDA版本：11.4 Pytorch版本：1.9.0 TorchVision版本：0.7.0 IDE：PyCharm 硬件：RTX2070S*2 在训练YOLOv5时由于数据集很大导致训练时间十分漫长，这期间Python、主机等可能遇到死机的情况，如果需要训练300个epoch但是训练一晚后发现在200epoch时停下是十分崩溃了，好在博主摸索到在yolov5中接续训练的方法了。首先直接上方法如果你想从上一次训练结果中回复训练，那么首先保证你的训练结果（一般都存放在目录下
yolov5继续训练模型
CF_KM的博客
04-11 6618
1.断点续传 2.在上次训练结果的基础上继续开始训练
yolov5ds-断点训练、继续训练、先终止训练并调整最终epoch（yolov5同样适用）
热门推荐
孟孟单单的博客
07-20 2万+
训练完原有epoch后，但还继续训练，比如设置epoch为200，已经训练完了，但是没有收敛等原因想使用训练了200epoch的权重继续训练100个epoch，总共就是300个epoch。断电、或者什么原因中断了，比如设定epoch为200，但是在90这里中断了，想从断点这里。这两处修改是为了断点训练，如果不需要断点训练，请将这两处修改都还原。不再需要断点训练后，就一定要记得把以下修改全部都恢复成原状！（在trainds.py代码的513行附近）设为想要继续训练到的epochs，即。............
YOLOv5训练参数简介
豆芽菜
02-06 9937
yolov5参数
yolov5继续训练的方法，没解决sad
tank_6789的博客
12-13 9154
唉
【学习率和训练轮次对于yolov5训练的影响】
weixin_45921929的博客
06-14 4681
【学习率和训练轮次对于yolov5训练的影响】
关于yolov8一些训练的情况
qianxun
01-15 9462
1、使用yolov8s训练(2000轮，真就一直训到了2000轮，不会象是yolov5一样收敛了就不训了)第一次map50=0.915，第一次训练依旧是2000轮，依旧是训练跑完2000轮了，map=0.91,map相差了0.5个点。(训练结果被我删除了，因为上面那个错误，然后我把run文件夹全部删除了。可以看到s模型640得map已经达到了44.9，v8n得map也已经达到了37.3，很强了，但是实际上是怎么样呢，我使用个人数据集进行了测试，本人得数据集在偏向于小目标，只有一类。
best.zip手势yolov5数据训练best.pt
04-25
best.zip
YOLOv3 训练日志
03-30
为了解决一部分童鞋的疑惑，训练时候的各个参数是否正常。 今天又重新训了一次，截取前200次迭代日志。方便大家参考对照。
Yolov5:在TensorFlow2中高效实现YOLOV5
05-11
由TensorFlow2实现的YoloV5，支持培训，评估和推断。 目前尚不完善的项目，但我会继续改进，因此您可能希望观看/加注此仓库以进行重新访问。 任何贡献都受到高度欢迎 主要特征 纯tensorflow2最小Yolov5 yaml文件...
YOLOv7口罩检测检测+训练好的权重+数据集
02-22
YOLOv7口罩检测训练好的模型，配置好环境后可以直接运行，几千张数据训练得到的权重文件，mAP达到了90%多，PR曲线等图保存在runs文件夹中 ，配置好YOLOv7的环境就可以直接 运行； 数据集和检测结果：...
yolov5目标检测模型 (融合transformer+已调参优化）
10-29
yolov5口罩检测，此模型已融合了attention机制，best.pt放在主目录下，考虑到训练时间使用的yolov5x，mAp96%左右，能够较高的识别人脸是否佩戴口罩，可以修改损失函数继续进行优化
YOLOV5 参数设定与模型训练的坑点一二三
`or 1 or 不正经の泡泡
04-10 8096
文章目录前言自训练模型问题无目标框问题分析重新训练中文乱码参数detect.py 参数train.py 参数总结 前言 蓝桥杯干完了，怎么说，出题组换了，不讲武德，当然还是自己不行… Ok，该回来办点正事了。 上次我们简单地玩了一下YOLOV5 如果是按照那个我上次记录的文章来走的话，我想，至少大家的YOLO环境应该是搭建好了，也会怎么设定数据集自己训练了。然后我说我在玩的时候，说我翻车了，说图片尺寸有问题，其实呢，我没有翻车，没错，没有翻车，是我在测试，模型训练的时候参数的问题。为什么我会说我自己没有翻车
【深度学习】Yolov5训练意外中断后如何接续训练详解；yolov5中断后继续训练
点赞的都能无bug通过！
12-07 7105
目标检测是计算机视觉上的一个重要任务,下面这篇文章主要给大家介绍了关于Yolov5训练意外中断后如何接续训练的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下操作系统：Ubuntu20.04CUDA版本：11.4Pytorch版本：1.9.0TorchVision版本：0.7.0IDE：PyCharm硬件：RTX2070S*2在训练YOLOv5时由于数据集很大导致训练时间十分漫长，这期间Python、主机等可能遇到死机，或者任务量繁重导致功耗过大主机自动重启的情况，如果需要训练300个epoc
pytorch，yolov5——断点训练/继续训练
偶尔想看云飞的博客
10-25 2866
pytorch，yolov5 断点训练
yolov5继续训练
08-18
根据引用的内容，如果想要继续训练yolov5模型，有几种情况需要考虑。首先，如果训练过程中中断了，可以继续训练。其次，如果训练完了但是未收敛，可以在原有的基础上继续训练。最后，如果训练完原有epoch后，想要继续训练更多的epoch，也是可以的。 总的来说，无论是训练过程中中断了还是训练完了但是未收敛，都可以使用之前训练得到的权重和学习率等参数继续训练。这样可以在之前的基础上继续优化模型，提高模型的准确性。 例如，如果训练完了30个epoch但是未收敛，想要继续训练40个epoch，总共70个epoch，可以直接使用之前训练了30个epoch的权重进行继续训练。这样可以在之前训练得到的基础上进一步提升模型的性能。 需要注意的是，继续训练时需要合理设置学习率和其他超参数，以确保训练的稳定性和效果。此外，继续训练时还可以考虑使用一些技巧，如学习率衰减、增加数据增强等，来进一步提升模型的性能。 综上所述，可以通过继续训练来优化yolov5模型，无论是在训练过程中中断了还是训练完了但是未收敛，都可以使用之前的权重和参数进行继续训练，以提升模型的准确性和性能。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [yolov5 继续训练](https://blog.csdn.net/weixin_44057060/article/details/124349715)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [YOLOV5-断点训练/继续训练](https://blog.csdn.net/weixin_42886071/article/details/126676646)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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 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