如何重新训练自定义 yolo 权重?

Question

我已经在 YOLOv3 中对 3 个类进行了自定义检测，但检测不准确，所以我想用更多图像重新训练我的自定义 YOLO 权重，但是 当我使用新图像运行它时，它立即完成，我做错了什么？

这是我如何训练的

!./darknet detector train data/obj.data cfg/yolov3_custom.cfg yolov3_custom_last.weights

obj.data的内容：

classes = 3
train = data/train.txt
valid = data/test.txt
names = data/obj.names
backup = /mydrive/yolov3/backup/

yolov3_custom.cfg的内容：

# Training
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
burn_in=1000
max_batches = 6000
policy=steps
steps=4800,5400
scales=.1,.1

Answer 1

只需在用于训练模型的命令中更改权重文件的路径，然后再次运行它。无需以任何方式更新max_batches参数或更改配置文件。框架知道在重新训练模型时，一组给定的权重已经训练了多少次迭代。例如，如果要在初始训练过程中进行 2000 次迭代后停止，则在使用因此创建的权重集重新训练时，它将从第 2001 次迭代开始。

Answer 2

@Hamid Shatu。你是对的。您需要更新您的 max_batches= 并检查您的权重文件名。