跑YOLOv7遇到的问题

2023/12/14[第一次跑yolov7-tiny]

一,yolov7断点训练

由于云服务器磁盘空间不足,中断了训练,想要继续训练可以开启断点训练
1.打开train.py文件,找到resume参数行,将False改为True,
parser.add_argument(‘–resume’, nargs=‘?’, const=True, default=True, help=‘resume most recent training’)
2.设置weights权重为last.py
2.删除数据集中的.cache文件

val/obj_loss在后期数据上升

二,如果YOLOv7训练期间val/obj_loss一直上升,可能是由以下原因导致的:

  1. 数据集不平衡:如果数据集中某些类别数量较少,那么这些类别的物体可能被YOLO网络较少地训练,导致模型性能下降。

  2. 学习率设置过高:学习率设置过高会导致模型训练不稳定,并可能导致val/obj_loss上升。

  3. Batch size设置过高:Batch size设置过高也会导致模型训练不稳定,并可能导致val/obj_loss上升。

  4. 训练集和验证集的分割不合理:如果训练集和验证集的分割不合理,那么验证集上的表现可能无法反映模型在实际场景中的表现。

  5. 模型结构设计不合理:模型结构设计也可能导致val/obj_loss的上升,例如层数过深、过宽、非常规的激活函数等。

针对这些问题,可以采取以下措施:

  1. 数据集平衡化:可以通过对数据集进行预处理,对样本数量较少的类别进行复制、数据增强等操作来平衡数据集。

  2. 调整学习率和Batch size:可以通过多次实验,逐步调整学习率和Batch size,找到最优的设置参数。

  3. 修改分割方式:可以通过调整训练集和验证集的分割比例,或者采用交叉验证等方法来减少验证集误差。

  4. 修改模型结构:可以通过改变模型结构,例如增加或减少层数、改变激活函数等,来进一步改善模型性能。

需要注意的是,改变一个因素可能会对其他因素产生影响,所以在调整参数时需要谨慎,并进行充分的实验验证。

  • 5
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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