一、前言
而且此教程适用的情况是你已经训练好了此模型,想继续追加一些轮数。比如训练进度是120/120,已经完成了,继续追加10轮,或者你原先定的是200轮,希望缩减到150轮,可以使用我说的这个方法。为什么缩减也要改一些东西呢?我直接不训练了不就可以了吗?这是因为没有训练完所有epoch,不会输出P、PR曲线等指标;或者说你不想一直盯着看,希望准确地缩减到某轮数,自动停止。
如果你不需要追加训练,只想缩减训练,那么直接看这个博客即可:YOLOv8断点恢复、减少训练轮数、提前终止。这篇博客是本篇博客的一个子集。如果想追加,那下面这些必须全都做。也就是说,项追加训,必须得先实现删减轮数的功能...
以下内容全在trainer.py中进行。前言这部分讲原理,如果不想看,可以直接看二部分。
1.对一个已经训练好的模型,也就是规定100轮,然后也训练了100轮,做了下实验:
python
def resume_training(self, ckpt):
"""Resume YOLO training from given epoch and best fitness."""
if ckpt is None:
return
best_fitness = 0.0
...
start_epoch = ckpt["epoch"] + 1
print(ckpt)
...
输出结果:
{'epoch': -1, 'best_fitness': None,...}
说明训练好后,ckpt["epoch"]会变成-1,然而我找了一下午也没找到入口在哪里,**知道的同学可以告诉我一下吗?谢谢。**解释一下,这里的ckpt是存储在权重文件,也就是xxx.pt中的一个字典。
2.另外,打印save_dir的路径:
python
def __init__(self, cfg=DEFAULT_CFG, overrides=None, _callbacks=None):
self.args = get_cfg(cfg, overrides)
self.resume_epochs = self.args.epochs
self.check_resume(overrides)
print(self.args.save_dir)
发现结果是报错,而这个参数在未训练完成时,是"runs/detect/train"。对比情况如下:
这说明训练完后,这个save_dir参数被自动删掉了,而这个参数是指引上一次训练结果输出的位置的。所以,这个参数被删掉也会使得resume时不会读上一次训练的目录,而是新创一个。被删除的原因应该和1一样,是在训练完成后自动被处理的。我也没找到具体代码,但我觉得可能在callback函数里,知道的大佬可以告诉我一下吗?
综上,我们要做的就是把save_dir和ckpt[epoch]这两个参数手动恢复。
二、修改方法
注意添加的代码位置,最好跟我位置一样。
步骤1.在trainer.py的__init__() 构造函数里,先用一个变量接收config的epochs
python
def __init__(self, cfg=DEFAULT_CFG, overrides=None, _callbacks=None):
"""
Initializes the BaseTrainer class.
Args:
cfg (str, optional): Path to a configuration file. Defaults to DEFAULT_CFG.
overrides (dict, optional): Configuration overrides. Defaults to None.
"""
self.args = get_cfg(cfg, overrides)
################修改处################
self.resume_epochs = self.args.epochs# 添加变量接收config,即你规定的epochs
######################################
self.check_resume(overrides)
...
...
...
步骤2. 在check_resume里,添加上一次训练的输出位置,并且恢复self.epochs
python
def check_resume(self, overrides):
"""Check if resume checkpoint exists and update arguments accordingly."""
resume = self.args.resume
if resume:
try:
...
ckpt_args = attempt_load_weights(last).args
#####################修改处↓#####################
ckpt_args["save_dir"] = "runs\\detect\\train"# <--- 修改处
#####################修改处↑####################
...
self.args = get_cfg(ckpt_args)
############修改处#####################
self.args.epochs = self.resume_epochs #重新覆盖self.args.epochs数值
#######################################
self.args.model = str(last) # reinstate model
...
...
步骤3. 手动添加上次训练好的模型的终止epoch数-1。比如上次我训练了120轮,结束了,我这里就要写120-1=119。一定要-1哈。 因为我们是手动添加的epoch,所以要注意,这个数加进去之后,我们要多注意,我详细说下:刚才不是说了吗,如果在训练过程中,这个epoch是正常的,所以我们手动设置了ckpt["epoch"]后,训练过程中,它是会正常变化的。但训练完后,还会变成-1,如果像继续训练,则要继续改。这里要一直注意到这个参数,会比较动态。比如我们从训练完的120轮再追加30轮,训练到150轮后,epoch又变成-1,如果我们再想追加10轮,那么这里要改成150-1=149,然后继续训练。
python
def resume_training(self, ckpt):
"""Resume YOLO training from given epoch and best fitness."""
if ckpt is None:
return
best_fitness = 0.0
###############################
if ckpt["epoch"] == -1: #修改处
ckpt["epoch"] = 119 # 修改处
################################
start_epoch = ckpt["epoch"] + 1
...
步骤4. 修改你的启动训练参数,比如,120 -> 150
python
from ultralytics import YOLO
if __name__ == '__main__':
model = YOLO("runs\\detect\\train\\weights\\last.pt")
results = model.train(data="C:\\Users\\Administrator\\Desktop\\ultralytics-main\\ultralytics-main\\ultralytics\\datasets\\mask\\data.yaml", epochs=150, batch=4, workers=2, resume=True, device=0)
结束,效果如下,我从训练完的120轮有追加了1轮。