YOLOV3 COCO数据集训练，Avg： nan

YOLOv3 训练过程中输出在终端的不同的参数分别代表什么含义, 如何去理解这些参数？ 也许对于使用 YOLO 很久的用户来说, 对这些概念依然很模糊. 本文将尝试着去回答这个问题, 下边是我训练中使用的 .cfg 文件（你可以在工程目录的 cfg/ 目录下找到它）： [net] # Training batch=64 subdivisions=8 height=416 wid...

1.yolov3-voc.cfg(参考很多文章写的汇总，有些写了但还是不是很懂，如果有误请及时指正) [net] # Testing 测试模式 # batch=1 # subdivisions=1 # Training 训练模式 batch=64 ...

本文介绍了如何在星图GPU平台上自动化部署YOLOv12官版镜像，快速验证COCO数据集。该镜像预装了完整的运行环境，支持一键启动目标检测任务，适用于智能安防、自动驾驶等场景中的实时物体识别需求。通过简单的配置即可完成模型验证，帮助开发者快速评估算法性能。

Note: If during training you see nan values for avg (loss) field - then training goes wrong, but if nan is in some other lines - then training goes well. 作者原话，但我依然在avg loss为nan时训练了8100次，结果探测时没有任何结果。 反...

1.问题：各种out of memory 可能的原因：电脑显存不够，batch比较大，或者开了random = 1的时候带不动. 解决方法：darknet/cfg/yolov3-voc.cfg 文件最后面random = 0;，如果还不行就减小batch，以及减小batch/subdivisions。 2.问题：训练过程中出现大量的nan -nan,loss,avg啥啥都是nan 可能的原...

看了好几个博客，发现了些问题，有些博客是有bug的，此博客亲测无误。 可视化中间参数需要用到训练时保存的log文件（命令中的路径根据自己实际修改）：  ./darknet detector train pds/fish/cfg/fish.data pds/fish/cfg/yolov3-fish.cfg darknet53.conv.74 2>1 | tee visualization...

原英文地址：https://timebutt.github.io/static/understanding-yolov2-training-output/ 原中文翻译地址:https://blog.csdn.net/dcrmg/article/details/78565440 最近有人问起在YOLOv2训练过程中输出在终端的不同的参数分别代表什么含义，如何去理解这些参数？本篇文章中我将尝试着...

最近在用YOLOv3的darknet训练VOC数据集，初学小白的我对参数，源码还在了解层面，但是结果已经训练开始之后发现IoU出现了nan值循环。所以就开始网上寻找。总结在下： 参考：https://blog.csdn.net/lilai619/article/details/79695109#commentsedit 如何训练自己的数据 说明： （1）平台 linux + 作者官方代码 【训练指...

本文详细介绍了如何在YOLOv5模型中集成ECA注意力模块，通过实战步骤和完整代码，帮助开发者提升目标检测精度。文章涵盖ECA模块的核心优势、环境配置、代码修改、配置文件调整及性能对比，特别提供了避坑指南和进阶优化技巧，适合深度学习工程师和研究者参考。

本文详细介绍了如何在YOLOv8中集成自定义注意力模块（以SE模块为例），提升目标检测性能。通过解析SE模块的工作原理、代码实现步骤及实战技巧，帮助开发者有效增强模型对小目标的检测能力，实测在COCO数据集上mAP提升1-2%。文章还对比了SE与CBAM模块的优劣，为不同场景下的选择提供参考。

参考代码：https://github.com/eriklindernoren/PyTorch-YOLOv3 1.训练时loss出现nan 原因： 默认学习率learning_rate=0.001过大导致梯度爆炸，出现inf与nan值 解决办法： 在yolov3.cfg中降低学习率： 参考博客： 网络训练时出现loss为nan的情况(已解决) 神经网络训练时，出现NaN loss ...

问题：图片大小为1024x1024，第一个batch跑完的时候很正常，到了第二个batch以及之后的都是nan 可能的原因： 图像本身大小33072340，被resize成10241024，object发生了形变，本身就是小物体，resize之后就更不容易识别 我使用的权重文件是yolov3.cfg，说明这个权重对应的图片与我的图像差异太大 检查一系列参数 暂时想到这些，会来补充并填坑！ ...

理解yolov3终端输出对训练意义重大，不然就是盲目训练，这样很容易导致训练很久没效果。 关键参数为：IOU   .5R  .75R     Loss   Avg loss  rate  下面是对具体参数的解释     补充下 0.314280 avg  为平均损失loss，0305923为目前损失loss,0.001000 rate  为当前学习率，后面5.882644 se...

之前遇到过图片的目标普遍比较小，且图片大小是1024x1024，因此将其resize到416x416后box只有0.几，loss在一开始就为nan，后来把resize大小改大就可以正常训练了。

今天用yolov3去训练人脸检测，但是训练的时候显示的avg非常不正常，后面直接变为nan了，这代表我训练有问题，最后终于找到原因所在，在cfg文件里面，我没有注释掉testing下面的内容，最后注释情况如下： 修改之后，再去跑模型，没问题了，数据显示正常了。 2020 5.7 ...

只有CPU的YOLO安装

来源：Coursera吴恩达深度学习课程 如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersection over union）函数，可以用来评价目标检测算法。 交并比（loU）函数做的是计算两个边界框交集和并集之比。两个边界框的并集是这个区域，就是属于包含两个边界框区域（绿色阴影表示区域），而交集就是这个比较小的区域（橙色阴影表示区域），那么交并比就是交集的大小，这个橙色阴影面积，然后除以绿色阴影的并集面积。 参考： 交并比：IOU=(A∩B)/(A∪B)=A和B的交集/A

等待训练结束后（有时还没等结束模型就开始发散了），因此需要检测各项指标（如loss）是否达到了我们期望的数值，如果没有，要分析为什么。可视化训练过程的中间参数可以帮助我们分析问题。 可视化中间参数需要用到训练时保存的log文件：./darknet detector train cfg/tiny-yolo.cfg tiny-yolo_8000.conv.9 2>1 | tee person_trai

YOLO v3解读转自：https://xmfbit.github.io/2018/04/01/paper-yolov3/YOLO的作者又放出了V3版本，在之前的版本上做出了一些改进，达到了更好的性能。这篇博客介绍这篇论文：YOLOv3: An Incremental Improvement。下面这张图是YOLO V3与RetinaNet的比较。可以使用搜索功能，在本博客内搜索YOLO前作的论文阅...