YOLOX接着以前训练的模型再训练

kyle-fang

已于 2022-09-06 16:01:30 修改

阅读量3.3k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： python 深度学习人工智能文章标签： python 深度学习计算机视觉

于 2022-07-20 10:44:44 首次发布

本文链接：https://blog.youkuaiyun.com/fangweijiex/article/details/125887342

python 同时被 3 个专栏收录

72 篇文章

订阅专栏

人工智能

40 篇文章

订阅专栏

深度学习

29 篇文章

订阅专栏

该博客介绍了在训练深度学习模型时，如果想在现有基础上增加epoch而不从头开始，可以修改train.py文件的参数，如设置`resume=True`，指定预训练权重为最新epoch的权重，并设定`start_epoch`为你希望继续的epoch数。此外，也可以通过命令行直接指定这些参数，从而无缝衔接上一轮训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

                    
                        
                    
                    觉得当前训练的epoch数量还不够，想要再多训练几个epoch，又不想从头开始训练，那下面的方法很适合你：

1. 修改train.py
parser.add_argument(
"--resume", default=True, action="store_true", help="resume training"					#改为True
)
parser.add_argument("-c", "--ckpt",
default='YOLOX_outputs/yolox_voc_s/latest_ckpt.pth', type=str, help="checkpoint file")	#预训练权重用最后一个epoch的权重
parser.add_argument(
"-e",
"--start_epoch",
default=100,			#从第100epoch开始，根据自己的实际情况修改
type=int,
help="resume training start epoch",
)


2. 也可直接在命令行操作：
python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 -c YOLOX_outputs/yolox_voc_s/latest_ckpt.pth.tar 		-resume -start_epoch=100

再次训练，就可以发现你的epoch不是从1开始了



                