算法训练自己的数据集mAP无法提高

[lilong-epfl]

您好，我用规整剪枝的稀疏化训练自己的数据集，训练的mAP一直无法升高，算法识别率低，请问是什么原因。我的数据比hand数据集大写，有接近2万张照片，用YOLOv3源码训练没有问题。

[zjutlzt]

Just because hands database is very small，only have one classes. So it can be reduce branch,multi class cant perform well.

[lilong-epfl]

I trained the same dataset using YOLOv3-model-pruning, it worked well, but somehow it still doesn't work with this algorithm.

[courtfu]

同样的问题，自己的数据集11类，训练集共10万个样本，训练了80个epoch，验证集mAP无法提高、loss升高，只有训练集loss持续下降。同样数据集在yolov3原项目以及其他剪枝项目中没问题

[coldlarry]

@courtfu 您好，请问您说的同样的数据集在yolov3原项目中没问题，这个yolov3原项目是哪个yolov3版本？是ultralytics的吗？

[Damon2019]

Hello, do you use voc or coco dataset?

[lilong-epfl]

@Damon2019 no, I am using my own data.

[Damon2019]

@lilong-epfl Hello, can you tell me the detailed steps of making a dataset suitable for the training of this model with your own data set? May I add your contact information? Thank you!

[Gaondong]

I trained the same dataset using YOLOv3-model-pruning, it worked well, but somehow it still doesn't work with this algorithm.

Sorry to bother you, did you solved this problem.

[lilong-epfl]

@Gaondong no, I didn't solve it.

[Gaondong]

@Gaondong no, I didn't solve it.

@lilong-epfl Thanks for your reply, I will try YOLOv3-model-pruning project later.

[pengyuan101]

I train my own dataset use yolov3 and coco pre_model ,but the mAP is always 0.i want to know how to train my own datasets,where needs to be changed. Look forward to your reply!!!

[pengyuan101]

@coldlarry I train my own dataset use yolov3 and coco pre_model ,but the mAP is always 0.i want to know how to train my own datasets,where needs to be changed. Look forward to your reply!!!

[coldlarry]

找到‘训练自己数据集map无法提高的原因了’，我提交的程序有个小问题，就是baseline训练（无稀疏化）时，默认打开了稀疏化，这可能是导致map无法提高的原因。解决办法是：在train文件的parser.add_argument中，将prune参数的默认值改为-1，当前的默认值为0（为0则打开了稀疏化）

[lehuiwu]

训练自己的数据集，no labels found. Recommend correcting image and label paths。 这是个什么问题啊？

[Gaondong]

训练自己的数据集，no labels found. Recommend correcting image and label paths。 这是个什么问题啊？

路径问题吧 就是没找到label路径啊 按照要求制作数据集 https://github.com/ultralytics/yolov3/wiki/Train-Custom-Data

[pengyuan1]

找到‘训练自己数据集map无法提高的原因了’，我提交的程序有个小问题，就是baseline训练（无稀疏化）时，默认打开了稀疏化，这可能是导致map无法提高的原因。解决办法是：在train文件的parser.add_argument中，将prune参数的默认值改为-1，当前的默认值为0（为0则打开了稀疏化）

改为-1之后，代码就跑不了了

[lehuiwu]

现在可以跑了，不过，请问一下只能用cpu稀疏化训练，不能用gpu训练么？谢谢🙏 ------------------ 原始邮件 ------------------ 发件人: "Gaondong"[email protected] 发送时间: 2019年12月18日(星期三) 下午3:01 收件人: "coldlarry/YOLOv3-complete-pruning"[email protected]; 抄送: "lehuiwu"[email protected];"Comment"[email protected]; 主题: Re: [coldlarry/YOLOv3-complete-pruning] 算法训练自己的数据集mAP无法提高 (#13)

训练自己的数据集，no labels found. Recommend correcting image and label paths。 这是个什么问题啊？

路径问题吧 就是没找到label路径啊 按照要求制作数据集 https://github.com/ultralytics/yolov3/wiki/Train-Custom-Data

— You are receiving this because you commented. Reply to this email directly, view it on GitHub, or unsubscribe.

[Gaondong]

我用的时候是可以gpu训练的  我没有遇到这个问题  看看是不是你的环境配置问题吧  torch是否支持cuda加速

发自我的iPhone

------------------ 原始邮件 ------------------ 发件人: lehuiwu <[email protected]> 发送时间: 2019年12月18日 17:00 收件人: coldlarry/YOLOv3-complete-pruning <[email protected]> 抄送: Gaondong <[email protected]>, Mention <[email protected]> 主题: 回复：[coldlarry/YOLOv3-complete-pruning] 算法训练自己的数据集mAP无法提高 (#13)

现在可以跑了，不过，请问一下只能用cpu稀疏化训练，不能用gpu训练么？谢谢🙏 ------------------ 原始邮件 ------------------ 发件人: "Gaondong"<[email protected]> 发送时间: 2019年12月18日(星期三) 下午3:01 收件人: "coldlarry/YOLOv3-complete-pruning"<[email protected]>; 抄送: "lehuiwu"<[email protected]>;"Comment"<[email protected]>; 主题: Re: [coldlarry/YOLOv3-complete-pruning] 算法训练自己的数据集mAP无法提高 (#13)

训练自己的数据集，no labels found. Recommend correcting image and label paths。 这是个什么问题啊？

路径问题吧 就是没找到label路径啊 按照要求制作数据集 https://github.com/ultralytics/yolov3/wiki/Train-Custom-Data

&mdash; You are receiving this because you commented. Reply to this email directly, view it on GitHub, or unsubscribe. — You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or unsubscribe.

[zhaodongxi]

找到‘训练自己数据集map无法提高的原因了’，我提交的程序有个小问题，就是baseline训练（无稀疏化）时，默认打开了稀疏化，这可能是导致map无法提高的原因。解决办法是：在train文件的parser.add_argument中，将prune参数的默认值改为-1，当前的默认值为0（为0则打开了稀疏化）

改为-1之后，代码就跑不了了

        if hasattr(model, 'module'):             
            if opt.prune!=-1:BNOptimizer.updateBN(sr_flag, model.module.module_list, opt.s, prune_idx)
        else:
            if opt.prune!=-1:BNOptimizer.updateBN(sr_flag, model.module_list, opt.s, prune_idx)

不仅要改-1，这里也要改，改完可以跑

[li-peize]

找到‘训练自己数据集map无法提高的原因了’，我提交的程序有个小问题，就是baseline训练（无稀疏化）时，默认打开了稀疏化，这可能是导致map无法提高的原因。解决办法是：在train文件的parser.add_argument中，将prune参数的默认值改为-1，当前的默认值为0（为0则打开了稀疏化）

这个应该不成立吧，稀疏化有一个sr_flag，只有使用-sr的时候才打开吧，否则sr_flag=false，BNOptimizer不会打开稀疏化

[nanhui69]

找到‘训练自己数据集map无法提高的原因了’，我提交的程序有个小问题，就是baseline训练（无稀疏化）时，默认打开了稀疏化，这可能是导致map无法提高的原因。解决办法是：在train文件的parser.add_argument中，将prune参数的默认值改为-1，当前的默认值为0（为0则打开了稀疏化） ，请问模型剪纸第一步是正常化训练还是 直接稀疏化训练，不太理解？