训练暗网立即完成

Posted 2023-03-12

【中文标题】训练暗网立即完成

【英文标题】：Training darknet finishes immediately

【发布时间】：2017-09-21 16:42:58

【问题描述】：

我想使用 yolo 架构进行对象检测。在使用我的自定义数据训练网络之前，我按照以下步骤在 Pascal VOC 数据上训练它：https://pjreddie.com/darknet/yolo/

说明很清楚。 但是在最后一步之后

./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23

darknet 立即停止训练并宣布权重已写入backups/ 目录。

一开始我觉得预训练实在是太好了，一下子就达到了停止标准。 因此，我在其中一张测试图像data/dog 上使用了带有这些权重的./darknet detect 命令。什么都没找到。

如果我不使用任何预训练的权重，网络会进行训练。 我已经编辑了 cfg/yolo-voc.cfg 来使用

# Testing
#batch=1
#subdivisions=1
# Training
batch=32
subdivisions=8

现在训练过程已经运行了好几个小时，并且让我的 gpu 保持温暖。

这是训练暗网的预期方式吗？ 如何正确使用预训练的权重，而无需中断训练？

是否有任何设置可以创建检查点或了解进度？

【问题讨论】：

我已经通过反复试验将最大批次调整为：1333889 在这个值下它不会立即完成，尽管它似乎永远挂起，没有完成。这可能是什么？

【参考方案1】：

在您的训练命令末尾添加-clear 1 将清除此模型在之前的训练中看到的图像数量的统计信息。然后，您可以根据新数据（集）微调您的模型。

您可以在函数签名中找到有关用法的更多信息 void train_detector(char *datacfg, char *cfgfile, char *weightfile, int *gpus, int ngpus, int clear) 在https://github.com/pjreddie/darknet/blob/b13f67bfdd87434e141af532cdb5dc1b8369aa3b/examples/detector.c

我怀疑增加最大迭代次数是个好主意，因为学习率通常与当前的迭代次数相关联。当我们想要恢复由于达到最大迭代次数而结束的先前训练任务时，我们通常会增加最大迭代次数，但我们相信通过更多迭代，它会产生更好的结果。

仅供参考，当您有一个小数据集时，从头开始或从分类网络对其进行训练可能不是一个好主意。您可能仍希望重复使用在 Coco 或 ImageNet 等大型数据集上训练的检测网络的权重。

【讨论】：

希望对您有所帮助:-)

【参考方案2】：

这是一个老问题，所以我希望你现在能得到答案，但这是我的问题，以防万一。

在使用暗网大约一个月后，我遇到了人们在论坛上询问/发布的大部分障碍。在您的情况下，我很确定这是因为已经针对最大批次数训练了权重，并且当在暗网中读取预训练的权重时假设训练已经完成。

相关个人经验：当我使用其中一个预训练的权重文件时，它从迭代 40101 开始，一直运行到 40200 才中断。

如果您有自定义数据，我会坚持从头开始训练，但如果您想再次尝试预训练的权重，您可能会发现更改 cfg 文件中的最大批次数会有所帮助。

【讨论】：

如果你从头开始训练，如何重新训练/添加另一个类？我遇到了再培训的问题。

我也有海报原始问题，虽然增加 max_batches 没有帮助。有什么你能想到的吗？谢谢，这让我疯狂了好几天！

【参考方案3】：

另外，如果使用 AlexeyAB/darknet，他们可能会遇到 -clear 选项的问题， 在检测器.c 中：

if (clear) *nets[k].seen = 0 

应该是：

if (clear) *nets[k].seen = 0;*nets[k].cur_iteration = 0;

否则训练循环将立即退出。

【参考方案4】：

将暗网/Makefile 中的 OpenCV 编号修改为 0

OpenCV=0