yolov5 继续训练

weixin_44057060

已于 2023-03-13 22:19:59 修改

阅读量2w

点赞数 29

CC 4.0 BY-SA版权

文章标签：目标检测

于 2022-04-22 17:05:21 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_44057060/article/details/124349715

该博客探讨了在YOLOv5中如何继续训练已中断的模型。作者提到，如果在训练中途中断，可以设置`resume=True`来从断点继续。若要使用已训练的权重继续训练更多轮次，直接指定`weights`和`epoch`并不理想，因为学习率等超参数会按默认设置。解决方案是在代码中设置`ckpt['epoch']=200`，确保从第200轮开始，并将`epoch`设为300，以完成总共300轮的训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

yolov5 继续训练

有人评论说是好像第二种情况按照我那样改了之后map直接下降是学习率和优化器不是最后那个，，但是按照原理应该是last.pt这个权重对应的学习率啊，，，，，
各位自己参考吧，仅提供思路。

两种情况：

训练过程中中断了，继续训练
训练完了，但是未收敛，在这个基础上，还想用这个权重、学习率等参数继续训练多一些批次

训练过程中中断了，继续训练

断电、或者什么原因中断了，比如设定epoch为200，但是在90这里中断了，想从断点这里继续训练到200 epoch。
直接在train.py设置resume参数为True即可

    parser.add_argument('--resume', nargs='?', const=True, default=True, help='resume most recent training')

训练完原有epoch，但还继续训练

训练完原有epoch后，但还继续训练，比如设置epoch为200，已经训练完了，但是没有收敛等原因想使用训练了200 epoch的权重继续训练100个epoch，总共就是300个epoch

不是直接在train.py设置weight参数为训练好的权重（last.pt），然后设置epoch为100，这样不行，因为学习率等超参数启动时还是按照默认的。。。（自己把一些超参数设置好也可以，但感觉有点烦）
在train.py代码里面设置就可以使用原有200 epoch的权重后继续训练到300epoch

在train.py设置resume为True，还有把epoch设置为300

parser.add_argument('--weights', type=str, default=ROOT / 'weigh

最低0.47元/天解锁文章

200万优质内容无限畅学