关于yolov5训练时很多nan的问题

开始时候cuda=11.0,GTX1650,安装torch=1.7.1。自制扑克牌训练yolov5时候发现box啥的都是nan,P和R永远=0.
网上说是学习率调小一些,我试了无效。
后来google说是torch版本不好。我把cuda换成10.2,torch=1.10.2,终于能跑了,泪目。
附上pytorch重装代码:

pip3 install torch==1.10.2+cu102 torchvision==0.11.3+cu102 torchaudio===0.10.2+cu102 -f https://download.pytorch.org/whl/cu102/torch_stable.html
  • 9
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 15
    评论
### 回答1: 这个问题的含义是关于yolov5训练出现的一个box obj中的banana的情况。因此,我回答如下: yolov5是一种目标检测算法,训练会根据给定数据集生成一些box obj来辅助训练。而题目中提到的banana表示这个box obj中有一个香蕉物体,也就是训练数据集中标注的一个香蕉物体被框选了出来。这个信息对于算法的训练和优化都有帮助。 ### 回答2: yolov5是目标检测领域常用的深度学习算法,该算法的训练过程中包含了许多要素,如图像预处理、网络模型结构、超参数等。当训练过程中遇到box obj为nan的情况,一般可以从以下几个方面入手解决: 1. 数据集问题训练集中可能存在不完整或者不合理的数据,比如标注框的位置过于紧密、交叉或者超出图像边界等,导致训练的计算出现异常,可以通过检查数据集是否规范以及重新标注数据来解决。 2. 网络模型问题:网络模型结构需要根据任务需求和数据量进行选择,深度学习算法中的梯度计算会受到计算机精度的影响,如果模型太复杂可能会使得计算结果过于正负波动导致数值溢出,可以通过减少网络深度和宽度或者使用其他结构的网络模型来解决。 3. 超参数调整问题:超参数是指训练过程中需要手动设置的参数,如学习率、批次大小等,这些参数决定了训练进程的速度和稳定性,当出现box obj为nan的情况,可以调整超参数以解决。 4. 缺失数据问题训练数据中可能存在缺失数据,无法完成某些计算,导致出现nan的情况,可通过对缺失数据进行填充、采样或者删除来解决。 总之,解决box obj为nan问题需结合实际情况进行排查和调整,进行多次训练才能找到较为合适的方法和参数设置。 ### 回答3: YoLOv5 是一种经典的目标检测算法,它在实现简单、速度快、准确率高等方面都有很大的优势。然而,在使用 YoLOv5 进行训练,我们有会遇到一些问题,例如“box obj 为 NaN”的情况。 首先,需要明确的是,“box obj 为 NaN”是由于计算过程中出现了非数值(NaN)的情况。这通常是由于输入数据的问题导致的,例如训练数据中存在标注错误或者数据格式不规范等。 解决这个问题的方法有很多,下面我们介绍几个常见的方法。 1.检查数据格式和标注:首先,我们要确保训练数据的格式和标注都是规范的。特别是标注信息需要精确无误,否则会导致训练出现错误。 2.使用数据增强技术:数据增强是提高模型准确率和鲁棒性的常用手段之一。在 YOLOv5 训练中使用数据增强技术,可以有效地增加数据量,提高数据的多样性和代表性,从而减少模型出现 NaN 的情况。 3.调整学习率和损失函数:学习率和损失函数是训练模型非常关键的两个参数。调整学习率和损失函数可以帮助我们优化训练过程,从而减少出现 NaN 的情况。 4.使用更好的标注工具:有些标注工具能够自动检测标注错误,避免标注错误导致训练出现 NaN 的情况。因此,我们可以考虑使用更好的标注工具。 总的来说,解决“box obj 为 NaN”的问题需要我们对训练数据进行仔细的检查和分析,尝试使用一些常见的技巧进行优化。只有在数据和训练设置合理的情况下,才能训练出优秀的 YOLOv5 模型。
评论 15
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