Retinanet训练自己的数据（3）：模型训练

最新推荐文章于 2024-08-11 09:35:58 发布

一瓶果粒橙

最新推荐文章于 2024-08-11 09:35:58 发布

阅读量5.4k

点赞数 3

分类专栏： Deep Learning Python 机器学习文章标签： keras tensorflow deeplearning AI

本文链接：https://blog.csdn.net/mingyang_wang/article/details/86022825

版权

本文档详细介绍了使用Keras训练Retinanet模型时的步骤及可能遇到的问题，包括数据错误、网络错误、模型初始化、多线程错误等，并提供了相应的解决方法。通过调整配置和解决网络问题，成功启动模型训练。

摘要由CSDN通过智能技术生成

准备好数据以及模型正确安装之后，就可以就行模型训练了。

定位到模型所在的文件夹，老办法，打开powershell，在命令行输入：（这里的命令只适用于自己的训练集，对于Pascal或者coco数据集，请参见官方文档）

python keras_retinanet/bin/train.py csv /path/to/csv/file/containing/annotations 
 /path/to/csv/file/containing/classes

命令行中第一个csv表示用自己的训练集去训练模型。 /path/to/csv/file/containing/annotations表示自己制作的annotation.csv 所在的路径，比如：my_data/annotation.csv。同样， /path/to/csv/file/containing/classes表示class.csv所在的路径，如：my_data/class.csv。如果没什么意外，模型就开始训练。接下来介绍一下可能会遇到的错误：

1.数据错误

就是第一步数据制作时，如果没用debug.py进行测试，这里就会报错，对照错误去改就行了。

2.网络错误

一开始我没想到会出现这方面的问题，直到