目录
- 参考链接
- 1. 训练过程中中断了，继续训练
- 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
- 2. 训练完原有epoch，但还继续训练（与参考链接操作不同）
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：
