训练暗网立即结束

Question

我想使用yolo体系结构来检测对象。在使用自定义数据对网络进行培训之前，我遵循以下步骤在Pascal数据上对其进行培训：https://pjreddie.com/darknet/yolo/

说明很清楚。但在最后一步之后

./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23

立即停止训练，并宣布权重已写入backups/目录。

起初，我认为训练前的训练太好了，很快就能达到停止训练的标准。因此，我使用了./darknet detect命令，在其中一个测试图像上使用了这些权重，data/dog。什么都没找到。

如果我不使用任何预先训练过的重量，网络就会训练。我编辑了cfg/yolo-vo.cfg以便使用

# Testing
#batch=1
#subdivisions=1
# Training
batch=32
subdivisions=8

现在的训练过程已经运行了许多小时，并使我的gpu温暖。

这是训练暗网的目的吗？我如何正确地使用预先训练过的重量，而不只是训练中断？

是否有任何设置来创建检查点，或了解进展情况？

Answer 1

这是一个老问题，所以我希望你现在有答案，但这是我的，以防万一有帮助。

在使用了大约一个月的黑网之后，我遇到了人们在论坛上询问/发布的大多数障碍。在你的例子中，我很肯定这是因为权值已经被训练成最大的批次数，当预先训练的重量被读到暗网时，假设训练已经完成了。

相关的个人经历:当我使用一个预先训练过的权值文件时，它从迭代40101开始，一直运行到40200，然后被切断。

如果您有自定义数据，我会坚持从头开始训练，但是如果您想再次尝试预先训练的权重，您可能会发现更改cfg文件中的最大批次会有所帮助。

Answer 2

在培训命令的末尾添加-clear 1将清除此模型在以前的培训中看到的图像的统计信息。然后，您可以微调您的模型上的新数据(集)。

您可以在void train_detector(char *datacfg, char *cfgfile, char *weightfile, int *gpus, int ngpus, int clear)的https://github.com/pjreddie/darknet/blob/b13f67bfdd87434e141af532cdb5dc1b8369aa3b/examples/detector.c上找到关于函数签名的用法的更多信息。

我怀疑增加最大迭代次数是个好主意，因为学习速率通常与当前的迭代#相关。我们通常增加迭代的最大值，当我们想要恢复以前的训练任务时，因为达到了迭代的最大值而结束，但是我们相信，如果迭代次数更多，就会得到更好的结果。

FYI，当您有一个小的数据集时，从零开始或从分类网络中进行关于它的培训可能不是一个好主意。您可能仍然希望重用检测网络中的权重，这些权重是在大数据集(如Coco或ImageNet )上进行培训的。

Answer 3

此外，如果使用AlexeyAB/darknet，它们可能会遇到-clear选项的问题，在检测仪中：

if (clear) *nets[k].seen = 0 

真正应该是：

if (clear) {*nets[k].seen = 0;*nets[k].cur_iteration = 0;}

否则，训练循环将立即退出。