企业网站找谁做好,新余教育网站建设,怎样建设营销型网站,建设工程交易中心的性质yolox训练数据的入口为YOLOX-main/tools/train.py。main函数中通过get_exp获取训练过程相关的超参数。
其中train.py中的make_parser函数的参数解析如下#xff1a;
-expn: 训练过程数据保存的位置#xff0c;默认位置是tools/YOLOX_outputs中的目录#xff0c;如果指定-e…yolox训练数据的入口为YOLOX-main/tools/train.py。main函数中通过get_exp获取训练过程相关的超参数。
其中train.py中的make_parser函数的参数解析如下
-expn: 训练过程数据保存的位置默认位置是tools/YOLOX_outputs中的目录如果指定-expn xxx则tools/YOLOX_outputs/xxx
-n: 指定训练过程的模型名称如yolox-syolox-myolox-lyolox-xyolox-tiny等
-b: 训练过程中的batch size大小
-d: 指定训练过程中使用的设备
-f: 设置训练过程中数据加载的python文件如exps/example/yolox_voc/yolox_voc_s.py
-c: 设置预训练权重文件
-e: 开始训练的周期数
--fp16: 是否允许Apex的混合精度加速使得训练时间缩短。代码实现如下 from apex import amp model, optimizer amp.initialize(model, optimizer, opt_levelO1) # 这里是“欧一”不是“零一” with amp.scale_loss(loss, optimizer) as scaled_loss: scaled_loss.backward()
混合精度训练Mixed Precision的精髓在于“在内存中用 FP16 做储存和乘法从而加速计算用 FP32 做累加避免舍入误差”。混合精度训练的策略有效地缓解了舍入误差的问题。
-o: 是否首先占用GPU内存进行训练
opts: 通过命令行的形式修改训练过程的超参数
(2) 第二步(数据加载)训练过程中如果指定为VOC数据则通过
-f exps/example/yolox_voc/yolox_voc_s.py
完整的训练语句
python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 8 -b 64 --fp16 -o -c /path/to/yolox_s.pth
