Question

我想使用yolo架构进行对象检测。在使用我的自定义数据训练网络之前，我按照以下步骤在Pascal VOC数据上进行训练：https://pjreddie.com/darknet/yolo/

说明非常清楚。但是在最后一步之后

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

darknet立即停止训练并宣布权重已写入backups/目录。

起初我认为预训练太好了，并且会立刻达到停止标准。所以我在其中一个测试图像./darknet detect上使用了data/dog命令和这些权重。什么都没找到。

如果我不使用任何预训练的重量，网络会训练。我已经编辑了cfg / yolo-voc.cfg来使用

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

现在训练过程已经运行了好几个小时，并且保持我的gpu温暖。

这是训练暗网的预定方式吗？如何才能正确使用预训练重量，而不需要仅仅训练中断？

是否有任何设置来创建检查点或了解进度？

Answer 1

在训练命令的末尾添加-clear 1将清除该模型在以前的训练中看到的图像的统计信息。然后，您可以根据新数据（集）微调模型。

您可以在函数签名中找到有关用法的更多信息 void train_detector(char *datacfg, char *cfgfile, char *weightfile, int *gpus, int ngpus, int clear) 在https://github.com/pjreddie/darknet/blob/b13f67bfdd87434e141af532cdb5dc1b8369aa3b/examples/detector.c

我怀疑增加最大迭代次数是一个好主意，因为学习率通常与当前的迭代次数相关。当我们要恢复由于达到最大迭代次数而结束的先前训练任务时，通常会增加最大迭代次数，但是我们相信，如果迭代次数越多，结果就会越好。

仅供参考，当您拥有小的数据集时，从头开始或通过分类网络对其进行培训可能不是一个好主意。您可能仍想重用来自在大型数据集（如Coco或ImageNet）上训练的检测网络的权重。

Answer 2

这是一个老问题，所以我希望你现在得到答案，但这是我的，以防它有所帮助。

在使用暗网大约一个月之后，我遇到了人们在论坛上提出/发布的大多数障碍。在你的情况下，我非常肯定，因为权重已经针对最大批次数进行了训练，并且当在暗网中读取预训练的权重时，假定的训练已经完成。

相关的个人经验：当我使用其中一个预训练的重量文件时，它从迭代40101开始，一直运行到40200，然后切断。

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

Answer 3

如果使用AlexeyAB / darknet，则-clear选项可能会出现问题，在detector.c中：

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

真的应该是：

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

否则，训练循环将立即退出。

Answer 4

将您的Darknet / Makefile中的OpenCV编号修改为0

OpenCV = 0