用yolov3 VOC训练自己的数据时出现的问题及解决方法

最新推荐文章于 2025-06-26 09:08:45 发布

小蜗zdh

最新推荐文章于 2025-06-26 09:08:45 发布

阅读量4.5k

点赞数

CC 4.0 BY-SA版权

分类专栏：神经网络文章标签： yolov3 训练数据集 nan out of memory

本文链接：https://blog.youkuaiyun.com/weixin_41659029/article/details/89213449

在使用yolov3进行VOC数据集训练时，遇到两个主要问题：1. 显存不足导致的out of memory错误，通过修改配置文件和减小batch大小可以解决；2. 训练过程中的loss变为nan，可能是由于batch大小、scales设置不适当或预训练权重差异过大，调整这些参数或从头训练可解决问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.问题：各种out of memory

可能的原因：电脑显存不够，batch比较大，或者开了random = 1的时候带不动.

解决方法：darknet/cfg/yolov3-voc.cfg 文件最后面random = 0;，如果还不行就减小batch，以及减小batch/subdivisions。

2.问题：训练过程中出现大量的nan -nan,loss,avg啥啥都是nan

可能的原因：（1）batch比较小，可以改为64，或者128，都是正常的；

（2）scales 设置的不对，导致步长变大，结果就不收敛了；

（3）看到网上有说是因为官方的预训练权重可能与你的相差比较大，可以自己从头训练，但我觉得先试试其他方法再问最后自己训练吧。

解决方法：我是因为看了知网-水果识别的例子，用了他的steps和scales，所以训练到1000次的时候rate猛增10倍，然后就振荡发散了，所以后来修改好了再在第900的基础上继续训练就没问题了。

[net]
# Testing
# batch=1
# subdivisions=1
# Training       # 训练的时候把Testing的参数注释掉，把Training的参数取消注释
batch=64
subdivisions=16
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

learning_rate=0.001          # 根据需要修改学习率，就是梯度下降的速率，越大训练速度越快但会牺牲准确率
burn_in=1000
max_batches = 100000     # 训练的总次数
policy=steps
steps=100,10000,70000,80000,90000        # 训练到相应次数后学习率变化
scales=10,10,.1,.1,.1        # 学习率变化情况，是累乘操作
#以上为知网-水果识别中摘取，但不适合我的