YOLOv4训练过程显示loss,win10

参考:https://blog.csdn.net/dz4543/article/details/88075408https://blog.csdn.net/qq_34806812/article/details/81459982

用darknet训练的时候会显示一个动态loss图,但这个图不适合作为论文中使用。

在win10中做loss图,yolov4和yolov3有区别,用别的博主的针对yolov3的方法在yolov4中行不通!  用的别的博主的在linux中的方法在win10中也行不通!步骤如下:

(1)训练的时候输出重定向到log文件:(先新建一个visualization文件夹,然后在里面创建一个train_yolov4.log文本文件)

yolov3:(用yolov4的忽略这个)

./darknet detector train D:/software_engineer/darknet/darknet/cfg/voc.data D:/software_engineer/darknet/darknet/cfg/yolov3.cfg 2>1 | tee visualization/train_yolov3.log

yolov4:

./darknet detector train D:/software_engineer/yolov4/darknet-master/cfg/voc.data D:/software_engineer/yolov4/darknet-master/cfg/yolov4.cfg >> visualization/tra

  • 5
    点赞
  • 46
    收藏
    觉得还不错? 一键收藏
  • 16
    评论
Darknet是一个开源的深度学习框架,用于实现对象检测、图像分类、语义分割等计算机视觉任务。它使用C语言和CUDA技术编写,支持CPU和GPU加速,速度较快。下面是Darknet框架的详细介绍: 1. 架构 Darknet的架构包括三个部分:前端、中间件和后端。前端负责输入数据的读取和预处理;中间件实现了神经网络的各种层和相关的算法;后端负责输出结果的解码和后处理。 2. 特点 Darknet的特点有以下几个方面: (1)轻量级:Darknet的代码非常简洁,只有几千行,易于理解和修改。 (2)高效性:Darknet使用C语言编写,可以直接调用CPU和GPU的底层指令,运行速度非常快。 (3)易用性:Darknet提供了简单易用的命令行界面,用户可以通过命令行来控制模型的训练和预测。 (4)可扩展性:Darknet支持自定义层和算法,用户可以自由扩展框架的功能。 3. 模块 Darknet框架主要由以下几个模块组成: (1)Activation:激活函数模块,包括ReLU、LeakyReLU、Sigmoid等。 (2)Convolutional:卷积层模块,支持1D、2D、3D卷积,可以设置卷积核的大小、步长、填充等参数。 (3)Pooling:池化层模块,包括最大池化和平均池化。 (4)Connected:全连接层模块,将上一层的所有神经元连接到下一层的所有神经元。 (5)Detection:目标检测模块,使用YOLO算法实现了快速的对象检测。 (6)Activation:激活函数模块,包括ReLU、LeakyReLU、Sigmoid等。 (7)Loss:损失函数模块,包括交叉熵、均方误差等。 4. 应用 Darknet主要应用于计算机视觉领域,包括对象检测、图像分类、语义分割等任务。它可以使用CPU和GPU加速,速度较快,适合处理大规模的图像数据。此外,Darknet还支持多种深度学习框架的模型转换,包括Caffe、TensorFlow、PyTorch等,可以方便地与其他框架进行交互。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 16
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