pytorch-yolo2-master运行日志

最新推荐文章于 2025-01-03 10:54:13 发布

原创最新推荐文章于 2025-01-03 10:54:13 发布 · 1.3k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#yolov2 #pytorch

深度学习专栏收录该内容

4 篇文章

订阅专栏

本文记录了使用PyTorch实现YOLOv2目标检测的过程，包括预训练模型检测、数据集转换、VOC格式标签制作、配置文件修改、权重下载、模型训练以及遇到的NAN损失问题的解决策略。还提出了未来计划结合Focal Loss提升准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

github地址
 longcw版本代码

1 首先用Pre-Trained Model做检测，测试模型

$wget http://pjreddie.com/media/files/yolo.weights
$python detect.py cfg/yolo.cfg yolo.weights data/dog.jpg

得到如下输出：

layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32
    1 max          2 x 2 / 2   416 x 416 x  32   ->   208 x 208 x  32
    ......
   30 conv    425  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 425
   31 detection
Loading weights from yolo.weights... Done!
data/dog.jpg: Predicted in 0.014079 seconds.
truck: 0.934711
bicycle: 0.998013
dog: 0.990524

2 将自己的数据制作成VOC格式

3 制作VOC lables

$ wget http://pjreddie.com/media/files/voc_label.py
这一步会在pytorch-yolo2-master中生成2007_test.txt等文件
$python voc_label.py 这一步会将2007_test.txt等文件合并成voc_train.txt$ cat 2007_train.txt 2007_val.txt 2012_*.txt > voc_train.txt

4 修改cfg

根据data/voc.names生成自己的数据集的your.names
在cfg/voc.data中将names = data/voc.names换成names = data/your.names

train = train.txt
valid = 2007_test.txt
names = data/voc.names
backup = backup
gpus = 0,1,2,3 ###可以设置GPU

cfg/yolo-voc.cfg中是网络的运行参数，以及网络结构文件:
可以新建cfg/gesture.cfg，最后面的：classes=20修改为自己的类别数

5 下载Pretrained Convolutional Weights

wget http://pjreddie.com/media/files/darknet19_448.conv.23

6 训练Model

python train.py cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23

7 遇到的问题

1. NAN

跑到一半loss突然跑飞了，那就说明学习率设置的太大了，可以慢慢调小。
最好也使用warm up，也就是一开始使用很小的学习率：
base_lr: 0.001
step: -1, 500,20000,40000
scales=0.1,10,.1,.1
则前500次迭代会使用0.0001的学习率，之后才变回0.001的学习率。