YOLOv9训练完成后的权重文件夹中绘制的图像和txt,val_loss一直为0
yolov9
YOLOv9是前沿的对象检测框架,它通过利用可编程梯度信息实现高效学习,带来显著的性能提升。这个开源项目在MS COCO数据集上展示出卓越的准确性与速度平衡,模型大小从轻量级到大型不等,满足不同场景需求。例如,YOLOv9-C在保持紧凑的参数量(25.3M)下,实现了53.0%的高平均精度。开发者不仅能够享受到即刻部署的乐趣,还能通过丰富的社区资源进行模型转换、加速推理和多任务学习,支持如TensorRT、ONNX、OpenVINO等技术,以及在ROS中的集成应用。无论是深入研究还是实际项目应用,YOLOv9都是一个强大且灵活的选择,为计算机视觉领域的爱好者和专业人士提供了一个高性能的工具包。【此简介由AI生成】
项目地址:https://gitcode.com/gh_mirrors/yo/yolov9
免费下载资源
·
现象:
在利用YOLOv9源码进行模型训练的时候,在训练完成后,权重文件夹中的图像和txt文件,val_loss一直为0。
原因:
在训练过程中,为计算验证的loss
修改:
在val_dual.py的197行,将原本注释的代码解开即可。
# Loss
if compute_loss:
preds = preds[1]
#train_out = train_out[1]
loss += compute_loss(train_out, targets)[1] # box, obj, cls
else:
preds = preds[0][1]
此时再次训练便会有val loss
GitHub 加速计划 / yo / yolov9
8.7 K
1.33 K
下载
YOLOv9是前沿的对象检测框架,它通过利用可编程梯度信息实现高效学习,带来显著的性能提升。这个开源项目在MS COCO数据集上展示出卓越的准确性与速度平衡,模型大小从轻量级到大型不等,满足不同场景需求。例如,YOLOv9-C在保持紧凑的参数量(25.3M)下,实现了53.0%的高平均精度。开发者不仅能够享受到即刻部署的乐趣,还能通过丰富的社区资源进行模型转换、加速推理和多任务学习,支持如TensorRT、ONNX、OpenVINO等技术,以及在ROS中的集成应用。无论是深入研究还是实际项目应用,YOLOv9都是一个强大且灵活的选择,为计算机视觉领域的爱好者和专业人士提供了一个高性能的工具包。【此简介由AI生成】
最近提交(Master分支:3 个月前 )
5b1ea9a8 - 5 个月前
0bf4f52b - 5 个月前
更多推荐
已为社区贡献4条内容
所有评论(0)