【yolov5 v6.0】中断以后重新训练，增加epochs，冻结层

中断以后重新训练

有个resume的参数，将default从False改成True，然后他就会自己去找最新的权重继续训练了。
然后有个需要注意的点就是，不要为了想要备份最新的权重，然后把它复制一份出来，这样子，好像会造成路径的错乱，然后报错了很久哈哈哈（最后把复制出来的weights的文件夹删掉才好的）

增加训练的epochs

就是训练完了以后发现还没有收敛，想要继续增加epochs。我做的改动

1. 修改resume参数
2. 把epochs的参数修改成你需要的次数
3. 在train文件夹里面加入语句，ckpt[‘epoch’] = 上一次训练的最后一个的次数
   
   如果没有改的话可能会报错，大概的意思是说已经训练完了，不需要再继续训练了。
4. 我还改了/runs/exp3中的opt.yaml文件中的epochs的个数，修改成了300，但是不知道这个有没有用处

训练的结果

tensorboard的使用

1. 先在对应的环境下安装这个库
2. 然后输入tensorboard --logdir=【event文件所在的文件夹路径】
3. 然后在对应的端口打开
   
4. 如果打开网页以后没有响应，或者找不到网页的话，那么就需要在xshell中把对应的端口弄到本地服务器上面。
   
5. 然后再打开就好了
   
6. 最后我的训练结果如上，虽然loss会突然增加，但是最后的趋势好像也和之前是一致的，初步判断，这样子增加训练的epochs是可行的。【其实是不可行的（这种操作不可行是从ultralytics的issue中看见的），从图像中可以看见，重新训练以后，他的loss会突然增加，导致曲线有很大的变化，是因为之前训练过程中的一些学习率和设定都已经重新初始化了，虽然后续还是能够继续下降，但是和使用最后这个权重再进行微调是差不多的结果了【个人感觉】】
7. 所以，如果不确定该训练几个epoch的时候，最好的情况就是尽可能的多设置一些，然后看着tensorboard进行分析，如果觉得够了，直接中断就行，虽然会缺少最后的val的部分结果，但是可以直接使用最好的结果/或者最后的权重，在val.py中获取得到对应的val结果。

冻结层

主要是对应一个freeze参数，这个参数默认是0，也就是不冻结的意思


对应的freeze的层数的代码主要是上面那样子的
freeze是一个列表，如果列表的长度大于1的话，那么freeze就是对应列表里面的数字的层数
例如输入的freeze为[0,9],那么对应的freeze=['model.0,model.9] 两层
如果输入的列表里面只有一个数字的话，那么对应的就是range(freeze[0])的层，如果输入的是10的话，那么对应的就是前10层['model.0, …, model.9] ,如果是默认输入的0的话，对应的freeze=[]，没有需要冻结的层

那么对应的，可以考虑先冻结一部分层，再在这个基础上对后面的层进行修改的话，应该可以结合上面说到的几种方法进行测试？