【深度学习】YOLOv9继续训练——断点训练方法_yolo断点训练

YOLOv9继续训练主要分为两个情况：

其一、训练过程中意外中断，未完成训练预期的epoch数量；

其二、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轮次

一、训练过程中意外中断

将train.py文件中的442行，即patser中第9个参数resume，将其设置为default=True即可

 

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

注意点：如果你想从上一次训练结果中回复训练，那么首先保证你的训练结果（一般都存放在/runs/train目录下）在保存目录中代号为最大的

断续前训练的设置参数、超参数和每轮训练效果在/runs/train/exp3下的opt.yaml、hyp.yaml、results.csv中有记录

设置好resume参数后，python train.py重新启动训练程序将从上次断续点处开始训练：

二、训练完后，继续增加轮次训练

训练完原有epoch后，但还继续训练，共分为3大步进行程序更改。此处以原本训练epoch为5，已经训练完了，但是没有收敛，继续增加5个epoch训练，总共训练10epoch为例子。

备注：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10，这样不行，因为学习率等超参数启动时还是按照默认的。

第一步：

将train.py文件中，patser中第5个参数从5改为10，第9个参数resume设置为default=True

原本训练完的参数设置图：

继续训练的参数设置图：

第二步：

对utils/torch_utils.py中大致458行smart_resume（）函数进行更改：

添加一行代码：ckpt[‘epoch’] =5  #原本训练完的epoch
修改代码：start_epoch = ckpt[‘epoch’]（后面不加1）
注意：这两处修改是为了断点训练，如果不再需要断点训练，请将这两处修改都还原。

第三步：

在trainds.py文件中，大概487行如图添加一行代码：

init_epochs = opt.epochs（记录最开始由epochs参数设定的数值10，因为replace这行代码，将epochs替换成了原始的epochs数值5）

修改代码：如图进行添加，reinstate恢复成设定的epochs,

opt.cfg, opt.weights, opt.resume,opt.epochs = '', str(last), True,init_epochs

 完成以上3步，可以进行继续训练了，python trainds.py:

原本训练完的显示记录：

继续训练的显示记录：