配置训练参数和训练

FL1623863129 2023-07-16 11:13:02

课时名称	课时知识点
配置训练参数和训练	本节主要介绍如何将转成的coco数据集在修改配置参数用yolo-nas框架训练起来

...全文

162 8 打赏收藏转发到动态举报

写回复

8 条回复

切换为时间正序

请发表友善的回复…

发表回复

m0_58780207 04-09

打赏
举报

回复

===========================================================
[2024-04-09 01:10:02] INFO - sg_trainer.py - RUNNING ADDITIONAL TEST ON THE AVERAGED MODEL...
Validating epoch 300: 100%|██████████| 1/1 [00:12<00:00, 12.83s/it]
[2024-04-09 01:10:16] INFO - base_sg_logger.py - [CLEANUP] - Successfully stopped system monitoring process为什么没有生成模型

(nas) C:\Users\syx>

FL1623863129 04-09

举报

回复

@m0_58780207 能发完整错误信息看看吗

m0_58780207 04-10

举报

回复

@FL1623863129 这个解决了，但我想问问为什么我训练的模型PPYoloELoss/loss=nan, PPYoloELoss/loss_cls=nan, PPYoloELoss/loss_dfl=nan, PPYo咋会像这样么

m0_58780207 04-10

举报

回复

@m0_58780207 难道是因为我的是window的缘故么

4条回复

薛开宇caffe学习笔记完整版，从准备数据，认识参数，到自训练网络，这个笔记相当齐全

java 验证码识别 ocr java 验证码识别 ocr

通过这种方法，用户可以根据自己的需求和任务特点，灵活地修改模型的架构、调整数据处理方式、优化训练策略和调整运行设置，以达到更好的性能和效果。示例：对于目标检测任务，你可以尝试不同的主干网络（如ResNet、EfficientNet等），调整网络的深度和通道数，尝试不同的检测头（如YOLO、SSD等），以及调整相关的超参数（如学习率、批量大小等）。使用配置文件我们可以脱离源代码的编写，只需要在配置文件中去修改模型的参数，增加对应的模型块，就可以实现修改模型的功能。不同的模型架构适用于不同的任务和数据集。

该脚本通过argparse来接受命令行参数，并设置到超参数字典，和yolov5的启动脚本类似。data: 数据集配置文件hyp: 参数配置文件（上一节我们建立的）model: 模型权重或者模型结构配置文件其他参数根据名字就显而易见了。本文介绍了如何使用自定义训练脚本的方式启动yolov8的训练，有效的结合命令行和配置文件的优点，即可以灵活的修改训练参数，又可以用配置文件来管理我们的训练超参数。并通过修改文件，支持了DDP训练。

model: 模型文件的路径。这个参数指定了所使用的模型文件的位置，例如 yolov8n.pt 或 yolov8n.yaml。模型文件包含了已经训练好的模型的权重和结构。 data: 数据文件的路径。该参数指定了数据集文件的位置，例如 coco128.yaml。数据集文件包含了训练和验证所需的图像、标签和其他数据的信息。 epochs: 训练的轮数。这个参数确定了模型将会被训练多少次，每一轮都遍历整个训练数据集。训练的轮数越多，模型对数据的学习就越充分，但也增加了训练时间。

未来自主研究中心官方社区B

4

社区成员

143

社区内容

发帖

与我相关

我的任务

c++pythonc# 个人社区湖北省·武汉市

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章