yolov5中断训练（yolov5ds-断点训练、继续训练、先终止训练并调整最终epoch（yolov5同样适用））
参考链接
🍀yolov5 继续训练 🍅yolov5ds：Yolov5同时进行目标检测和分割分割（yolov5ds作者的博客介绍） github地址：👉yolov5ds 训练yolov5ds案例：用YOLOv5ds训练自己的数据集——同时检测和分割两种情况：
训练过程中中断了 ，继续训练 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批次不再需要断点训练后 ，就一定要记得把以下修改全部都恢复成原状！！！
1. 训练过程中中断了 ，继续训练
断电 、或者什么原因中断了 ，比如设定epoch为200 ，但是在90这里中断了 ，想从断点这里继续训练到 200个epoch
直接在trainds.py设置参数--resume的defualt=True即可（在代码 517行附近）
parser.add_argument(--resume, nargs=?, const=True, default=True, help=resume most recent training)或者参考这个芒果大佬的方式：直接调用命令行开始resume ，他还变了加载的权重（我没有变 ，但是也能行 ，保险起见还是参照大佬的方式吧 ，我是从这篇博文里面摘录过来的：手把手调参最新 YOLOv7 模型 训练部分 - 最新版本（二））
python train.py --resume D:\Pycharm_Projects\yolov7\runs\train\exp19\weights\last.pt如果觉得数值差不多稳定了 ，但是距离最终设置的epoch还很远 ，所以想要停止训练但是又得到yolov5在运行完指定最大epoch后生成的一系列map 、混淆矩阵等图
（虽然yolov5默认有早停机制 ，但是是要再多训练100轮如果结果还是没改善才会自动停止） 先终止训练 找到run/train/exp（注意找对文件夹 ，exp是本轮训练时生成的文件夹）中的opt.yaml文件 ，修改其中的epochs为最近的一个比较大的数值 ，比如现在我训练到了169轮 ，我就先终止训练 ，然后将这个epochs改成了170 ，再将resume的default值改为True继续训练 如上 ，直接在trainds.py设置参数--resume的defualt=True即可（在代码 517行附近）2. 训练完原有epoch ，但还继续训练（与参考链接操作不同）
训练完原有epoch后 ，但还继续训练 ，比如设置epoch为200 ，已经训练完了 ，但是没有收敛等原因想使用训练了200 epoch的权重继续训练100个epoch ， 总共就是300个epoch
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100 ，这样不行 ，因为学习率等超参数启动时还是按照默认的 。 。 。（自己把一些超参数设置好也可以 ，但感觉有点烦） 在train.py代码里面设置就可以使用原有200 epoch的权重后继续训练到300epoch❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀
以训练了5个epoch后 ，想继续训练到15个epoch为例：
step1： （同1.）先将--resume的defualt改为True ，再将--epochs设为想要继续训练到的epochs ，即defualt=300（在trainds.py代码的513行附近）
parser.add_argument(--epochs, type=int, default=15)step2：
在trainds.py文件中 ，按下Ctrl+F搜索Epochs定位到大概200行的位置 ，做以下两处修改：
添加一行代码：ckpt[epoch] = 5 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 。
step3：
可以直接简化为下面的操作：
找到run/train/exp（注意找对文件夹 ，exp是本轮训练时生成的文件夹）中的opt.yaml文件 ，修改其中的epochs为你想要改为的最大的epoch值
#--------------------------------这个编辑代码的步骤可以省略了---------------------------------------------#
在trainds.py文件中 ，按下Ctrl+F搜索replace定位到大概565行的位置 ，做以下两处修改：
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15 ，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#-----------------------------------------------------------------------------------------------------------------#
🙋🙋🙋🙋🙋🙋🙋🙋🙋🙋🙋🙋🙋🙋🙋🙋🙋
做完以上3个修改 ，训练就会从第5个epoch的基础上进行继续训练到15个epoch ，和直接设置epoch为15一样
老师让我测试了一下：这个继续训练对数据集发生变化的有效没有? 老师的解释：理论上应该是没有影响 ，虽然数据集变化 ，但训练只是沿用前面的权重表就可以 ，比如增加了训练数据应该没有问题
前5个epoch的数据集情况：总数为708张 ，按9:1划分得到 -> 训练集637张 ，验证集71张 继续训练到15个epoch的新数据集情况：总数为100张 ，按9:1划分得到 -> 训练集90张 ，验证集10张👉经测试 ，是有效的 ，能够继续训练且正确 ，可参看以下3张图片：
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！