YOLOV8训练过程中mAP50等数据等于0的问题

最新推荐文章于 2024-09-14 10:53:03 发布

lion_0ling0

最新推荐文章于 2024-09-14 10:53:03 发布

阅读量783

点赞数 13

文章标签： conda YOLO 计算机视觉

本文链接：https://blog.csdn.net/weixin_74483447/article/details/141038634

版权

问题描述：

GTX1650Ti做yolov8训练及验证时，mAP等数据为0的问题解决方法，本地环境与conda环境的解决方法

提示：直接修改本地环境：

1.在ultralytics\cfg\default.yaml文件下，按Ctrl+F查找'amp'与'half'(这里是两个变量),将其改为False。

amp: False # (bool) Automatic Mixed Precision (AMP) training, choices=[True, False], True runs AMP check

half: False  # (bool) use half precision (FP16)

2.在ultralytics\engine\validator.py文件下，将下面这行代码注释掉。

# self.args.half = self.device.type != 'cpu'  # force FP16 val during training

提示：当你知道你在使用虚拟环境时候就该想到要在虚拟环境中修改：

我的anaconda在D盘，虚拟环境为pytorch,你需要找到你自己安装ultralytics的虚拟环境。

1.1.在D:\anaconda3\envs\pytorch\Lib\site-packages\ultralytics\cfg\default.yaml文件下，按Ctrl+F查找'amp'与'half'(这里是两个变量),将其改为False。

amp: False # (bool) Automatic Mixed Precision (AMP) training, choices=[True, False], True runs AMP check

half: False  # (bool) use half precision (FP16)

2.在D:\anaconda3\envs\pytorch\Lib\site-packages\ultralytics\engine\validator.py文件下，将下面这行代码注释掉。

# self.args.half = self.device.type != 'cpu'  # force FP16 val during training

1.页面文件太小，无法完成操作。

（1) 需要修改batch与workers，逐步减小，直到可以运行为止，我的GTX1650Ti是4GB的，一般跑60%的话batch可以开12，这个显卡的性能没有想象的那么差，需要好好调一调提高资源利用率。（将batch=-1，可以根据资源利用率自动配置batch，可以调整为显存的60%）

我配置batch=8，两千多张的images\train,一分钟训练一轮。

（随后等模型完备了解读一下各项参数）

(2) 并且保证你的train与val没有同时运行（自定义train.py文件的需要注意）

还遇到好几个报错，解决完没有及时记录给忘了........

大概是标签归一性的问题，我拿脚本生成的label txt文件，结果有一个超过0-1的范围了。

关注