YOLOv3修改网络结构后无法训练模型

最新推荐文章于 2024-05-30 16:47:17 发布
最新推荐文章于 2024-05-30 16:47:17 发布
阅读量833 收藏 4
点赞数
文章标签： 深度学习 计算机视觉 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/scanfandprintf/article/details/117415223
版权
博主在进行YOLOv3的毕业设计时，尝试了YOLOv3-spp123结构的改进，即在y2和y3层前加入SPP模块并移除部分卷积层。但在训练过程中遇到预训练模型与cfg文件不匹配的错误，急需解决方法。
摘要由CSDN通过智能技术生成

最近在做毕业设计，基于YOLOv3的研究与实现。没有任何深度学习基础，完全的小白一个。

使用的是YOLOv3-spp。网络结构如下SPP结构如下

YOLOv3-SPP中只在y1层前面加了SPP模块，有一篇论文提出了YOLOv3-spp123结构，将SPP模块加入到y2和y3前面，同时删除了一些卷积层。改进后的网络结构如下

在训练模型的时候，弹出错误，应该是我使用的预训练模型和cfg文件不匹配。

求各位大佬指点指点，救救我。

scanfandprintf
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Ubuntu Yolov3 训练新的模型后，加载新模型参数出错InvalidArgumentError: Assign requires shapes of both tensors to match
wukai0909的博客
08-06 1124
--class_name_path ： 类名文件 --restore_path ：加载训练完成的模型 把这两个文件替换成自己训练的文件夹 tensorflow.python.framework.errors_impl.InvalidArgumentError: Assign requires shapes of both tensors to match. lhs shape= [255] ...
yolo3加载自己训练的模型出现NameError: name 'yolo_head' is not defined
云中寻雾的博客
06-18 6560
当我在train.py中保存检查点作为keras模型时，我无法使用load_model在yolo.py中使用它。 当我使用yolo.py测试图像上训练的模型时，使用 我收到了这个错误： NameError: name 'yolo_head' is not defined 这个问题应该在于，keras的load_model()函数可以将网络结构与权重一起导入，但是只限于keras内...
yolo训练网络如何修改？看完就会！
最新发布
pjbsgcxy的博客
05-30 189
在def parse_model(d, ch): # model_dict, input_channels(3)方法中，添加一下内容。models/yolov5*.yaml —>修改现有模型结构配置文件(当引入新的层时，要修改后序的结构中的from参数)models/yolo.py —>设定网络结构的传参细节（当新的自定义模块中存在输入输出维度时，要使用gw调整输出维度）models/common.py —> 加入新增网络结构。然后接着再打开train.py文件即可；
pytorch修改网络结构后如何加装预训练模型
Hadoop->Spark->Flink
05-19 2175
如果不知道如何使用预训练模型训练的朋友，使用resnet18模型训练自己的数据集的教程请看这篇博客 一、如果我们网络没任何修改 还是训练imagenet的数据集，1000个类别，那么只需以下代码： model_ft = models.resnet18(pretrained=True) model_ft = model_ft.to(device) 二、如果只修改训练自己数据集类别 如果我们训练自己的数据集，假如自己的数据集只有10个类别，那么需先加载预训练模型，然后修改最后的全连接层，改成以下代码加
YOLOV3 报错
qq_41167777的博客
06-29 536
配置好YOLOV3后，测试 ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg，报错CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed. 解决方法：打开yolov3.cfg，修改如下： # ...
【学习记录】window下使用pytorch运行yolov3代码出现的报错及修改记录
weixin_44355021的博客
10-31 470
【学习记录】window下使用pytorch运行yolov3代码出现的报错及修改记录 （源码为：eriklindernoren/PyTorch-YOLOv3） 问题1：运行get_coco_dataset.sh文件下载coco数据集 解决：需要下载git，随后在get_coco_dataset.sh文件所在地方右键空白处，点击Git Bash Here，将文件拖入到弹出的框中，即可运行。过程需连网，可能还需下载wget，wget下载参考下面链接。https://blog.csdn.net/qq_409623
yolov5六个版本的训练模型
04-25
本资源提供了YOLOv5的六个不同版本的训练模型，包括yolov5x.pt、yolov5l.pt、yolov5m.pt、yolov5s.pt、yolov5n.pt，这些模型各有特点，适用于不同的应用场景和计算资源。 1. **YOLOv5架构**：YOLOv5的核心是基于...
YOLOv5预训练模型权重
10-14
YOLOv5预训练模型权重是深度学习领域中用于目标检测的重要资源，尤其在计算机视觉任务上具有广泛应用。YOLO，全称为"You Only Look Once"，是一种实时目标检测系统，以其高效和准确著称。YOLOv5是该系列的最新版本，...
yolov5绝缘子检测训练模型yolov5-master-6.0-Insulator.zip
03-01
这个训练模型主要包含了两个预训练模型，即YOLOv5s-insulator.pt和YOLOv5m-insulator.pt。YOLOv5s代表小型（Small）模型，它速度快，但可能牺牲了一些精度；而YOLOv5m代表中型（Medium）模型，它在速度和精度之间...
yolov4-tiny预训练模型和权重weigths cfg 文件.rar
07-23
这个压缩包包含了运行YOLOv4-tiny所需的关键文件：预训练模型权重、配置文件以及一个中间层的卷积权重。 1. **YOLOv4-tiny模型**： YOLOv4-tiny是在YOLOv4的基础上进行优化和简化，以降低计算复杂度。YOLOv4-tiny...
可以训练yolov5(v6.0)、yolox、小型网络，添加注意力机制
02-06
YOLOv5 的训练过程通常包括预训练权重的加载、自定义数据集的准备、训练配置的设置以及模型的微调。用户可以通过修改配置文件来调整学习率、批大小、训练轮数等参数，以适应不同的任务需求。 YOLOX是阿里巴巴达摩院...
yolov3官网上预训练模型
04-21
里面包含了yolov3.weights、yolov3-tiny.weights、darknet53.conv.74
pytorch 在网络中添加可训练参数,修改预训练权重文件的方法
01-20
实践中，针对不同的任务需求，我们经常会在现成的网络结构上做一定的修改来实现特定的目的。 假如我们现在有一个简单的两层感知机网络： # -*- coding: utf-8 -*- import torch from torch.autograd import Variable import torch.optim as optim x = Variable(torch.FloatTensor([1, 2, 3])).cuda() y = Variable(torch.FloatTensor([4, 5])).cuda() class MLP(torch.nn.Module): def __
Pytorch 常见报错 + YOLOv3网络结构+Darknet训练YOLOv3的一些细节
qq_35985044的博客
04-22 3609
原文：链接：https://www.jianshu.com/p/b206f438e630 1.BUG: RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation. 什么是inplace operation：in-pla...
替换YOLO主干网络引发的一系列bug记录
m0_48095841的博客
05-18 676
首先说明一下是因为代码写法有问题引发的bug，进行探索之后发现了一些问题从而进行深入了解，并记录本次问题，以便日后遇到的时候好可以参考参考。 问题1：更换主干网络后，直接训练是没什么问题的。但训练完得到一个模型之后，想要加载模型再继续进行训练的时候就报错了。 if len(self.pretrained_model) != 0: model=torch.load(模型地址)["model"] print("load model suc
训练网络错误：SyntaxError: invalid syntax的解决方法
以终为始
03-24 3835
文章目录问题1. 从github上下载网络模型，搭建好环境后训练报错2. 根据readme提示决定直接python scripts/shrec/train.sh 报错原因解决 问题 1. 从github上下载网络模型，搭建好环境后训练报错 train.py: error: the following arguments are required: --dataroot 2. 根据readme提示决定直接python scripts/shrec/train.sh 报错 Python xxx.py 出错
训练神经网络的常见错误
独行穿落叶，闲坐数流萤
07-07 928
本文内容来自Andrej Karpathy, 李飞飞的高足。 twitter截图如下： 下面来逐点说明。受小博主知识上界限制，文中不免有理解不正确之处，恭请批评指正。 1、you didn’t try to overfit a single batch first. 首先尝试用小数据集作为一个batch，奔着过拟合去，短时间内排除明显的错误。 2、you forgot to to...
在进行YOLOV3（pytorch）源代码+代码实现遇到的问题
qq_61577654的博客
11-06 2406
在进行YOLOV3（pytorch）源代码+代码实现遇到的问题，解决运行时的错误。
darknet框架下yolov3训练的常见错误
计算机视觉算法开发与落地
05-06 3196
darknet框架yolov3目标检测训练实践报错总结。
yolov8修改网络结构
07-29
修改 YOLOv3 的网络结构以创建 YOLOv8 可以有多个方法，以下是一种常见的修改方法： 1. 首先，YOLOv3 的主干网络是 Darknet53，你可以选择使用其他更强大的主干网络，比如 ResNet 或 EfficientNet。这将提高网络的特征提取能力。 2. 可以增加网络的深度和宽度，以增加网络的容量。你可以增加卷积层或残差块的数量，或者增加它们的输出通道数。这样可以提升网络对细节和语义信息的感知能力。 3. 可以对网络的输出层进行调整。YOLOv3 使用了三个不同尺度的输出层来检测不同大小的目标。你可以根据你的需求增加或减少输出层的数量，并调整它们的特征图尺寸和锚框数量。 4. 可以引入更多的卷积层和注意力机制来提升网络的感知能力和目标检测性能。 5. 另外，你还可以通过调整超参数、损失函数或训练策略来改进模型的性能。 需要注意的是，修改网络结构可能需要大量的计算资源和训练数据，并且需要进行适当的调试和调优。此外，确保你的修改不会破坏原始 YOLOv3 的核心思想和结构，以确保你的网络仍然能够进行准确的目标检测。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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