『YOLOV5』| 一文搞定训练过程中的意外终止、以及想继续增加训练轮数！

已于 2024-11-05 20:42:19 修改
阅读量1.3k 收藏 25
点赞数 11
分类专栏： 踩坑合集 文章标签： YOLO YOLOV5 深度学习 目标检测 踩坑
于 2024-11-05 20:40:02 首次发布
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/weixin_46264660/article/details/143525905
版权

文章目录

情况一：意外训练中断（程序未训练完成，想完成目标训练轮数）

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。

情况二：自动训

最低0.47元/天 解锁文章
《YOLO模型实验自动训练工具》 | 一次跑完所有改进，让每个人都实现改进YOLO实验 ！
YOLOv8项目贡献者
12-27 1623
《YOLO模型实验自动训练工具》 | 一次跑完所有改进，让每个人都实现改进YOLO实验 ！
yolov5继续训练的方法，没解决sad
tank_6789的博客
12-13 1万+
唉
【深度学习】Yolov5训练意外中断后如何接续训练详解；yolov5中断后继续训练
点赞的都能无bug通过！
12-07 8740
目标检测是计算机视觉上的一个重要任务,下面这篇文章主要给大家介绍了关于Yolov5训练意外中断后如何接续训练的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下操作系统：Ubuntu20.04CUDA版本：11.4Pytorch版本：1.9.0TorchVision版本：0.7.0IDE：PyCharm硬件：RTX2070S*2在训练YOLOv5时由于数据集很大导致训练时间十分漫长，这期间Python、主机等可能遇到死机，或者任务量繁重导致功耗过大主机自动重启的情况，如果需要训练300个epoc
YOLOV5-断点训练/继续训练
weixin_42886071的博客
09-03 1万+
yolov5-断点训练/继续训练
yolo11训练意外结束继续训练方法
最新发布
huahuahuaaaa的博客
03-31 346
1.搜索self.epochs = self.args.epochs or 100，重新将self.epochs写为需要训练的总轮次数。2.搜索resume_training函数，将start_epoch改为断开的轮次。model = YOLO(‘自动保存的最后last.pt的路径’)add：因为是直接修改代码，所以重新训练完后要改回来。
Yolov5意外中断重新训练（自用）
cqy_code的博客
12-08 1537
Yolov5训练意外中断或想继续训练，
YOLOv5模型训练中断，如何恢复训练？断点续传，有效解决。
weixin_43401024的博客
05-01 1万+
YOLOv5模型训练中断，恢复训练有效方式。断点续传，一行代码轻松搞定。
Yolov5如何在训练意外中断后接续训练
m0_67402026的博客
06-18 9276
操作系统：Ubuntu20.04 CUDA版本：11.4 Pytorch版本：1.9.0 TorchVision版本：0.7.0 IDE：PyCharm 硬件：RTX2070S*2 在训练YOLOv5时由于数据集很大导致训练时间十分漫长，这期间Python、主机等可能遇到死机的情况，如果需要训练300个epoch但是训练一晚后发现在200epoch时停下是十分崩溃了，好在博主摸索到在yolov5中接续训练的方法了。首先直接上方法如果你想从上一次训练结果中回复训练，那么首先保证你的训练结果（一般都存放在目录下
Yolov5如何接续上次训练
m0_57041719的博客
01-08 6619
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。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exp后数字最大的目录下的weights/last.pt。，就不要用--resume了，因为没办法指定新的epochs，直接把上次的last.pt作为权重文件weights就行。，直接在在命令行中加上 --resume + 上一次训练中last.pt的路径。
pytorch yolov5训练中断如何继续训练
一季南凉的博客
04-16 5663
我电脑总蓝屏，一共50个Epoch好不容易训练到第十三个，结果蓝屏了 以前我刚接触yolov5我只会执行train.py脚本来。 然后搜索pytorch 模型训练中断怎么办，都让我设置保存断点然后下次运行加载 torch.save() torch.load() 我总觉得不对劲，我总觉得应该还有别的方法 因为我这个没在pycharm上运行整个项目，我是在Anaconda Prompt上 执行train.py 然后我就开始在train.py里查找有没有torch.save和torch.load，还真有，而且看着
【DL系列】YOLOv5、YOLOv7断点续训
qq_39770163的博客
11-06 1万+
YOLOv5、YOLOv7断点续训。 深度学习目标检测模型YOLO系列断点续训操作。
yolov5 继续训练
热门推荐
weixin_44057060的博客
04-22 2万+
yolov5 训练完了，但是未收敛，在这个基础上继续训练
yolov5——断点训练/继续训练【解决方法、使用教程】
weixin_43960370的博客
04-04 2764
在用yolov5训练数据的过程中由于突发情况训练过程突然中断，从头训练耗时，想接着上次训练继续训练怎么办，教你一招搞定，在yolov5中给我们提供现成的参数–resume。再train.py文件中找到函数parse_opt，修改参数–resume的默认参数为Ture。再runs/train/exp*/weights/路径下找到上次训练的最后的保存的权重，加载。之前最后保留的模型即可，例如笔者的。
yolov5继续训练模型
CF_KM的博客
04-11 7105
1.断点续传 2.在上次训练结果的基础上继续开始训练
YOLOv5继续训练【断点续传】
weixin_44368687的博客
09-20 5104
项目场景： YOLOv5训练了很久突然发现中断了心态爆炸，重新训练浪费时间，万一再中断呢。 想起来之前YOLOv3可以根据log继续训练，所以YOLOv5是不似乎也可以呢！ 抱着试一试的想法去csdn和百度上翻了半天都是YOLOv5训练数据的保姆级教程，心塞塞… 不过功夫不负有心人 终于解决了！Mark一下。 问题描述： YOLOv5训练500epoch，速度异常缓慢，30个小时才不到200次还中断了。。。 如何能够断点续传呢？ 解决方案： Pytorch里有一个resume功能，YOLOv5是基于Pyt
yolov5训练时连接中断
weixin_46480637的博客
03-17 297
yolov5训练断开连接后如何继续训练
yolov5继续训练_震惊！ 它来了！YOLOv5它来了！
weixin_39605578的博客
01-26 2897
点击上方“AIWalker”，选择加“星标”或“置顶” 重磅干货，第一时间送达❝今天在刷github时，突然看到了YOLOv5，笔者当时还在怀疑是不是眼花了？确实是YOLOv5，但不是官方的也不是AB大神版，而是U版YOLO改进版。哎，想想真可怜，笔者还在熟悉YOLOv4的时候，YOLOv5竟然出现了，太快了，跟不上节奏啊。不过不妨碍我们去研究了解它。❞关于前段时间刷屏的YOLO...
yolo训练中断了如何继续
04-04
如果YOLO训练中断了，可以使用checkpoint文件来继续训练。Checkpoint文件是在训练过程中定期保存的模型参数文件，可以在训练中断后重新加载并继续训练。 在YOLO训练过程中，使用如下命令可以定期保存checkpoint文件： ``` ./darknet detector train data/obj.data cfg/yolov3.cfg darknet53.conv.74 -map -dont_show -mjpeg_port 8090 -map -gpus 0,1,2,3 -snapshot_interval 1000 ``` 其中，`-snapshot_interval`参数指定了保存checkpoint文件的间隔，这里设置为每1000个batch保存一次。 如果训练中断了，可以使用如下命令来继续训练： ``` ./darknet detector train data/obj.data cfg/yolov3.cfg backup/yolov3_last.weights -gpus 0,1,2,3 ``` 其中，`backup/yolov3_last.weights`指定了上一次保存的checkpoint文件，作为继续训练的起点。继续训练时只需要指定checkpoint文件和GPU数量即可。
评论
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