Yolov5如何接续上次训练

m0_57041719

已于 2024-01-10 14:05:39 修改

阅读量4.8k

点赞数 25

文章标签： python pytorch 深度学习 yolov5

于 2024-01-08 23:07:36 首次发布

本文链接：https://blog.csdn.net/m0_57041719/article/details/135467873

版权

本文详细介绍了如何在PyTorch中处理训练中断后恢复和继续训练的情况，包括从上次中断点继续以及调整epochs数后重新开始。方法包括使用`--resume`选项加载上次训练的模型，以及在`opt.yaml`中管理训练轮次设置。

摘要由CSDN通过智能技术生成

两种情况：

1.如果上次的指定训练轮次(epochs)没跑完就意外中断了，直接在在命令行中加上 --resume + 上一次训练中last.pt的路径

例如：

python train.py --resume runs/exp2/weights/last.pt

也可以只写--resume后面不跟路径参数，程序会自动找到runs目录下所有exp/weights目录下的文件修改时间最晚的last.pt

python train.py --resume

而其他所有参数(--epochs、--batch-size等等)都会自动读取跟上次一样的(保存在runs/exp2/opt.yaml中)，所以不用指定，就算指定了也没用。

2.如果是上次的指定训练轮次(epochs)跑完了还想要继续训练

先打开runs/exp2/opt.yaml，把epochs改成总轮次数(上次跑完的epochs+想继续跑的epochs)，比如上次跑完了200epochs，想再加100epochs，那就改成300

在train.py中找到这部分，大约在190行，

把

start_epoch = ckpt['epoch'] + 1

改成

start_epoch = 上次跑完的轮次数

        # Epochs
        # start_epoch = ckpt['epoch'] + 1
        start_epoch = 200
        if opt.resume:
            assert start_epoch > 0, '%s training to %g epochs is finished, nothing to resume.' % (weights, epochs)
            shutil.copytree(wdir, wdir.parent / f'weights_backup_epoch{start_epoch - 1}') 
        if epochs < start_epoch:
            logger.info('%s has been trained for %g epochs. Fine-tuning for %g additional epochs.' %
                        (weights, ckpt['epoch'], epochs))
            epochs += ckpt['epoch']  # finetune additional epochs

        del ckpt, state_dict

然后像情况1一样 --resume