Yolov5訓練意外中斷後如何接續訓練詳解

2022-03-16 13:01:01

1.設定環境

作業系統：Ubuntu20.04

CUDA版本：11.4

Pytorch版本：1.9.0

TorchVision版本：0.7.0

IDE：PyCharm

硬體：RTX2070S*2

2.問題描述

在訓練YOLOv5時由於資料集很大導致訓練時間十分漫長，這期間Python、主機等可能遇到宕機的情況，如果需要訓練300個epoch但是訓練一晚後發現在200epoch時停下是十分崩潰了，好在博主摸索到在yolov5中接續訓練的方法了。

3.解決方法

首先直接上方法

3.1設定需要接續訓練的結果

如果你想從上一次訓練結果中回覆訓練，那麼首先保證你的訓練結果（一般都存放在/runs/train目錄下）在儲存目錄中代號為最大的。

如上圖所示，在train資料夾下一共有14個訓練結果，假設我的第12次訓練中斷了，想接著第12次的結果繼續訓練，那麼只需要將比12更大的：exp13、exp14這兩個資料夾刪除或者移動到其他地方，這樣便設定好了需要接續訓練的結果。

3.2設定訓練程式碼

程式碼見yolov5程式碼中的train.py

if __name__ == '__main__':
	os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"
	parser = argparse.ArgumentParser()
	parser.add_argument('--weights', type=str, default='../weights/yolov5s.pt', help='initial weights path')
	parser.add_argument('--cfg', type=str, default='./models/yolov5s.yaml', help='model.yaml path')
	parser.add_argument('--data', type=str, default='data/car.yaml', help='data.yaml path')
	parser.add_argument('--hyp', type=str, default='data/hyp.scratch.yaml', help='hyperparameters path')
	parser.add_argument('--epochs', type=int, default=300)
	parser.add_argument('--batch-size', type=int, default=32, help='total batch size for all GPUs')
	parser.add_argument('--img-size', nargs='+', type=int, default=[640, 640], help='[train, test] image sizes')
	parser.add_argument('--rect', action='store_true', help='rectangular training')
	parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')
	parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')
	parser.add_argument('--notest', action='store_true', help='only test final epoch')
	parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')
	parser.add_argument('--evolve', action='store_true', help='evolve hyperparameters')
	parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')
	parser.add_argument('--cache-images', action='store_true', help='cache images for faster training')
	parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')
	parser.add_argument('--device', default='1', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
	parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')
	parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')
	parser.add_argument('--adam', action='store_true', help='use torch.optim.Adam() optimizer')
	parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')
	parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')
	parser.add_argument('--workers', type=int, default=8, help='maximum number of dataloader workers')
	parser.add_argument('--project', default='runs/train', help='save to project/name')
	parser.add_argument('--entity', default=None, help='W&B entity')
	parser.add_argument('--name', default='exp', help='save to project/name')
	parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
	parser.add_argument('--quad', action='store_true', help='quad dataloader')
	parser.add_argument('--linear-lr', action='store_true', help='linear LR')
	parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')
	parser.add_argument('--upload_dataset', action='store_true', help='Upload dataset as W&B artifact table')
	parser.add_argument('--bbox_interval', type=int, default=-1, help='Set bounding-box image logging interval for W&B')
	parser.add_argument('--save_period', type=int, default=-1, help='Log model after every "save_period" epoch')
	parser.add_argument('--artifact_alias', type=str, default="latest", help='version of dataset artifact to be used')
	opt = parser.parse_args()

注意上面patser中第9個引數resume，將其設定為default=True即可，也就是那一行程式碼改變為

	parser.add_argument('--resume', nargs='?', const=True, default=True, help='resume most recent training')

接下來執行python train.py邊不會產生新的exp而是在最新的exp上接續訓練

如下圖所示：

博主執行完python train.py後便是接著上一次訓練完139個epoch繼續訓練

4.原理

其實接續訓練不是什麼深奧內容，博主在訓練自己模型的時候也早會使用。

我們在使用yolov5提供的權重，也就是像yolov5s.pt之類的檔案時就是使用了官方提供的模型接續訓練的。

我們每次訓練模型時都會生成新的模型結果，存放在/runs/train/expxxx/weights下，接續訓練就是將上次訓練一半得到的結果拿來和模型結合進行訓練。具體來說：如果最終訓練目標是300個epoch，上次訓練完了139個epoch，那麼就是將第139個epoch得到的權過載入到模型中再訓練161個epoch便可等效為訓練了300個epoch

5.結束語

到此這篇關於Yolov5訓練意外中斷後如何接續訓練的文章就介紹到這了,更多相關Yolov5訓練中斷接續訓練內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！