解决Yolov8训练train时box_loss cls_loss dfl_loss为nan和 Box(P R mAP50 mAP50-95)为0问题和wandb.errors.UsageError

已于 2024-06-29 15:32:18 修改
阅读量2.2k 收藏 43
点赞数 16
文章标签： YOLO 机器学习 深度学习 pytorch python
于 2024-06-16 17:26:07 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_45683122/article/details/139722550
版权

Ultralytics YOLOv8.0.202

 Python-3.9.16

torch-1.13.1

CUDA:11.6 (NVIDIA GeForce GTX 1650, 4096MiB)

Yolov8在训练时box_loss cls_loss dfl_loss为nan和 Box(P R mAP50 mAP50-95)为0的问题

第一步：找到ultralytics\cfg\default.yaml中的default.yaml文件

将default.yaml中的amp设置为false

amp: False # (bool) Automatic Mixed Precision (AMP) training, choices=[True, False], True runs AMP check

将default.yaml中的half设置为false

half: False  # (bool) use half precision (FP16)

第二步：

找到ultralytics\engine\validator.py中的validator.py文件

将self.args.half = self.device.type != 'cpu' # force FP16 val during training这行代码注释掉

# self.args.half = self.device.type != 'cpu'  # force FP16 val during training

修改之后的代码为

self.training 
最低0.47元/天 解锁文章
YOLOv10写作必备：多种绘制曲线对比图（precision、recall、mAP50、mAP50-95），为科研保驾护航
06-11 1530
多种绘制曲线对比图（precision、recall、mAP50、mAP50-95），为科研保驾护航
汇总利用YOLO8训练遇到的报错和解决方案（包含训练过程中验证阶段报错、精度报错、损失为Nan、不打印GFLOPs）
Snu77的博客
02-22 4815
这也是模型打印两次的区别，第一次打印出来的就是你选择模型的yaml文件结构，第二次打印的就是替换了你数据集的yaml文件，模型使用的是第二种。(2)多卡训练问题,修改模型以后不能支持多卡训练可以尝试下面的两行命令行操作，两个是不同的操作，是代表不同的版本现尝试第一个不行用第二个。这里是我早期写的一个环境搭建的教程，大家可以参考。
yolov8在train时，出现box_loss、cls_loss、dfl_loss为nan，Box(P R mAP50 mAP50-95)为0的解决办法
热门推荐
2301_78783836的博客
07-04 1万+
'cpu' 将self.args.half的值设置为False 后训练yolov8n Box(P R mAP50 mAP50-95)不为0。并注释掉ultralytics/yolo/engine/validator.py 中第102行代码 # self.args.half = self.device.type!分析.half()改为.float()或者把half赋值为False，找到val.py和validator.py。查看self.args.half:的值的结果。
YOLOV8修改模型后，训练出现BOX_LOSS为Nan，R、P等为0的情况
weixin_48001475的博客
07-10 1173
一、在进行改进yolov8模型训练时，出现两个问题；（1）第一个epoch时，box_loss,等正常，就是R、P、map为0；（2）从第二个epoch开始，box_loss等都开始为nan，R、P、MAP为0。也按照网上方式改了不起作用。二、使用为改进的YOLOV8模型训练就没有问题。希望各路大神给点建议！
Distribution Focal Loss 目标检测任务中的损失函数
最新发布
TuringEvo专栏
04-25 990
是一种基于分布学习的损失函数，适用于目标检测任务中的边界框预测或关键点定位。通过将连续值离散化为概率分布并优化预测分布与真实分布之间的差异，它可以显著提高模型的预测精度和鲁棒性。，是一种用于目标检测任务中的损失函数，尤其在一些现代的目标检测框架（如 YOLO 系列）中被广泛使用。传统的方法可能直接回归这个值，而使用分布学习的方法则会将宽度建模为一个离散的概率分布。就是基于第二种方法设计的损失函数，它通过学习边界框坐标的分布来提高预测精度。模型会输出一个长度为 10 的向量，表示预测的分布。
解决：YOLOv8训练数据集时P、R、mAP等值均为0的问题
qq_38473254的博客
10-21 5723
在使用 YOLOv8 进行训练时，默认的优化器是 SGD（Stochastic Gradient Descent），可以通过命令行参数或代码修改优化器为 Adam。我训练自己的数据集大概标注了10来张，前面训练的时候P、R、mAP也为0，到后面才开始增长的。在修改数据集后，若之前训练过，在训练前删除这两个train.cache和val.cache。使用YOLOv8训练自己的数据集时，出现P、R、mAP等值均为0的问题。查看cuda版本，本机为CUDA：12.6。打开命令行，输入命令。
16系列显卡解决YOLOV8训练完成后precision、recall、mAP50、mAP50-95显示为0，loss显示为nan
m0_66481646的博客
03-27 556
1、首先在YOLOv8\ultralytics-8.2.4\ultralytics\cfg\default.yaml将half和amp改为False（ultralytics-8.2.4为训练的模型版本，大家各不相同），如上图；亲测已解决precision、recall、mAP50、mAP50-95显示为0，loss显示为nan的情况，虽然解决了问题，想请问背后的原理是什么？解决方法：在网上搜了各种解决方法，一个个尝试后，终于解决了问题。
解决Yolov8训练时box_loss、cls_loss、dfl_loss、Box（P、R、mAP都等于nan
boring_fish的博客
04-20 1万+
解决Yolov8训练时box_loss、cls_loss、dfl_loss、Box（P、R、mAP都等于nan
yolo在train时，出现box_loss、cls_loss、dfl_loss为nan，Box(P R mAP50 mAP50-95)为0或者直接报错的解决办法
TracyGC的博客
05-17 2415
以及注释掉ultralytics/yolo/engine/validator.py # self.args.half = self.device.type!也有文章说是NVIDIA对GTX16xx相关CUDA包有问题，把每个地方.half()改为.float()或者把half赋值为False，找到val.py和validator.py， 查看self.args.half的值，都改成False。/cfg/default.yaml 第49行 half 为 False。
YOLOV8 V10 训练出现box_loss cls_loss dfl_loss 值为nan
qq_64399469的博客
07-15 1050
笔者使用的是英伟达16系列显卡进行运行yolov8 v10 系列的代码,使用数据集进行训练的时候会出现文章标题的问题.三:找到ultralytics/engine/validator.py 文件。一:找到ultralytics/cfg/default.yaml文件。将self.args.half和force FP16这俩句注释掉.二:对照下文件里面的参数是否与下列相同,不同的话请改为和下列相同。此时在运行代码训练数据集就不会报错.
yolov5和yolov8在train时，出现box_loss、cls_loss、dfl_loss为nan，Box(P R mAP50 mAP50-95)为0的解决办法
weixin_42283539的博客
04-06 1万+
但是这种办法解决了【box_loss、cls_loss、dfl_loss为nan】的问题，并未解决【Box(P R mAP50 mAP50-95)为0】的问题。另外我在yolov8上使用devide=cpu训练时，不会出现nan和0的问题，但是速度很慢。yolov5 版本是v7.0 yolov8的版本是8.0.66。用命令行训练时，可以添加一个设置选项 amp=False。，出现的问题跟下边这个链接中提到的问题一模一样，修改amp和model.half.float即可。
yolo训练过程中 Epoch GPU_mem box_loss cls_loss dfl_loss Instances的意思
MrLi的博客
05-15 3737
分别解释一下yolo训练过程中 Epoch GPU_mem box_loss cls_loss dfl_loss Instances的意思,总的来说，这些术语在YOLO训练过程中提供了关于模型性能、资源使用和训练进度的关键信息。通过分析这些指标，可以更好地理解模型的训练过程并进行相应的调整和优化。
Epoch GPU_mem box_loss cls_loss dfl_loss Instances Size 0/9 4.14G 0 nan 0 7 640: 0%| | 0/875 00:05WARNING TensorBoard graph visualization failure Only tensors, lists, tuples of tensors, or dictionary of tensors can be output from traced functions 0/9 4.37G nan nan nan 9 640: 100%|██████████| 875/875 1:00:55 Class Images Instances P R mAP50 mAP50-95: 100%|██████████| 63/63 02:17 all 500 500 0 0 0 0 YOLO训练结果都为0和nan
04-03
YOLO的损失包括box_loss、cls_loss和dfl_loss。如果某个损失项出现NaN，可能是由于计算过程中出现了除以零或者对数负数的情况。比如，分类损失为NaN，可能是因为模型的输出概率出现了极端值，需要检查是否使用了正确...
训练yolov8模型时，box_loss、cls_loss、dfl_loss为nan解决方法
hetao0153的博客
10-16 1342
提出解决 GeForce GTX 1650显卡训练yolov8时box_loss、cls_loss、dfl_loss为空的问题
YOLOv8的损失函数解析
浩瀚之水的专栏
03-28 2588
YOLOv8的损失函数在继承前代设计的基础上，进一步优化了动态任务对齐机制、解耦式定位损失（DFL + CIoU）​以及多阶段蒸馏策略，实现了更高效的正样本匹配与更精确的边界框回归。
YoloV8损失函数篇（代码加理论）
记录图像处理中遇到的点点滴滴
08-27 8509
yolo损失函数整理和总结，主要侧重于代码理解方面
YOLOv8损失函数解读
weixin_59625357的博客
09-11 1409
img0, cls, x, y, x, y], ----> [[cls, x, y, x, y], [cls, x, y, x, y], [0, 0, 0, 0, 0]], # 对应所有img1, 不够的用0填充。[img0, cls, x, y, x, y], [[[cls, x, y, x, y], [cls, x, y, x, y], [cls, x, y, x, y]], # 对应所有img0。fg_mask:[bs, 8400]: 记录着每个单元格中是否有前景物体。DFL损失(详细解释见。
YOLO系列训练时出现loss出现nan值或者测试时P\R\map全部为0值的解决办法（GTX16xx系列显卡大坑）
qq_46393403的博客
01-23 4290
YOLO系列训练时出现loss出现nan值或者测试时P\R\map全部为0值的解决办法（GTX16xx系列显卡大坑）
关键点检测（8）——yolov8-loss的代码解析
战争热诚的博客
10-19 2684
我们知道yolov8在流行的yolov5的架构上进行了扩展。在多个方面提供了改进。看出，YOLOv8 主要参考了最近提出的诸如 YOLOX、YOLOv6、YOLOv7 和 PPYOLOE 等算法的相关设计，本身的创新点不多，偏向工程实践，主推的还是 ultralytics 这个框架本身。but anyway，我们还是学习一下这个集大成者。
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值