本文详细介绍了YOLOV5模型的训练过程，包括自动下载数据集、GPU配置检查、训练脚本的使用，以及遇到的问题和解决办法。在训练过程中，由于初始batch-size过大导致内存爆炸，调整为--batch-size -1后成功启动训练，并完成了300个epoch的大部分训练。在停电中断后，使用先前训练的模型权重继续训练，关注Average Precision和Average Recall的提升。
之前在博文中讲到了YOLOV5的运行,以及转tensorrt.
但是, 一个模型通常需要结合数据训练,才能得到更好的结果. 因此,我们有必要熟悉yolov5的训练过程.
执行训练的过程
Yolov5的github提供了官方的训练脚本.
第一次运行,会自动下载数据集,然后会检测到你的gpu配置,如果不对,那么它会自动退出. 因此, 请确保你的电脑有GPU, 并且, 适配了cuda和pytorch.
相关的检验可以参考这篇博文
AssertionError: Torch not compiled with CUDA enabled解決方案_海滩油炸的博客-CSDN博客
开始进行训练后, 请注意设定batch-size, 第一次使用2080Ti训练的时候, batch-size设定为128, 内存直接爆炸.
然后重启电脑后, 根据官方建议,batch_size设定为 --batch-size -1 ,训练总算开始了.
如上图截图可以看到
* 网络的参数总结(layers, paramters, gradients, GFLOP
最低0.47元/天 解锁文章
8906
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
