YoloV5 убили в первую эпоху
Я использую виртуальную машину в Windows 10 с такой конфигурацией:
Memory 7.8 GiB
Processor Intel® Core™ i5-6600K CPU @ 3.50GHz × 3
Graphics llvmpipe (LLVM 11.0.0, 256 bits)
Disk Capcity 80.5 GB
OS Ubuntu 20.10 64 Bit
Virtualization Oracle
Я установил докер для Ubuntu, как описано в официальной документации .
Я вытащил образ докера, как описано в разделе yolo github для докера .
Поскольку у меня нет графического процессора NVIDIA, я не мог установить драйвер или CUDA. Я вытащил аквариум из roboflow и установил его на складной аквариум. Я выполнил эту команду, чтобы запустить образ и смонтировать папку с аквариумом.
sudo docker run --ipc=host -it -v "$(pwd)"/Desktop/yolo/aquarium:/usr/src/app/aquarium ultralytics/yolov5:latest
И был встречен этим знаменем
=============== PyTorch ==
NVIDIA версии 21.03 (сборка 21060478) PyTorch версии 1.9.0a0+df837d0
Изображение контейнера Авторское право (c) 2021, NVIDIACORPORATION. Все права защищены.
Авторские права (c) 2014-2021 Facebook Inc. Авторские права (c) 2011-2014 Исследовательский институт Idiap (Ронан Коллоберт) Авторское право (c) 2012-2014 DeepmindTechnologies (Корай Кавукчуоглу) Авторские права (c) 2011-2012 NECLaboratories America (Корай Кавукчуоглу ) Авторское право (c) 2011-2013 NYU
(Клемент Фарабет) Авторское право (c) 2006-2010 NEC Laboratories America(Ронан Коллобер, Леон Ботту, Иэн Мелвин, Джейсон Уэстон) Авторское право (c) Исследовательский институт Idiap, 2006 г. (Сами Бенджио) Авторское право ( c) Исследовательский институт Idiap, 2001–2004 гг. (Ронан Коллобер, Сами Бенжио, Джонни Мариетоз) Авторские права (c) Google Inc., 2015 г. Авторские права (c) Янцин Цзя, 2015 г. (c) Участники Caffe, 2013-2016 гг. Все права защищены.NVIDIA Deep Learning Profiler (dlprof) Авторские права (c) 2021, NVIDIACORPORATION. Все права защищены.
Различные файлы включают модификации (c) NVIDIA CORPORATION. Все права защищены.
Этот образ контейнера и его содержимое регулируются лицензией NVIDIA DeepLearning Container License. Извлекая и используя контейнер, вы принимаете условия этой лицензии:https://developer.nvidia.com/ngc/nvidia-deep-learning-container-license
ВНИМАНИЕ: драйвер NVIDIA не обнаружен. Функциональность графического процессора будет недоступна. Используйте nvidia-docker run, чтобы запустить этот контейнер; см. https://github.com/NVIDIA/nvidia-docker/wiki/nvidia-docker .
ПРИМЕЧАНИЕ. Драйвер MOFED для многоузловой связи не обнаружен. Производительность многоузловой связи может снизиться.
Так что ошибки нет.
Я установил pip и с помощью pip wandb добавил wandb. я использовал
wandb loginи установите мой ключ API.
Я выполнил следующую команду:
# python train.py --img 640 --batch 16 --epochs 10 --data ./aquarium/data.yaml --weights yolov5s.pt --project ip5 --name aquarium5 --nosave --cache
И получил такой вывод:
github: skipping check (Docker image)
YOLOv5 🚀 v5.0-14-g238583b torch 1.9.0a0+df837d0 CPU
Namespace(adam=False, artifact_alias='latest', batch_size=16, bbox_interval=-1, bucket='', cache_images=True, cfg='', data='./aquarium/data.yaml', device='', entity=None, epochs=10, evolve=False, exist_ok=False, global_rank=-1, hyp='data/hyp.scratch.yaml', image_weights=False, img_size=[640, 640], label_smoothing=0.0, linear_lr=False, local_rank=-1, multi_scale=False, name='aquarium5', noautoanchor=False, nosave=True, notest=False, project='ip5', quad=False, rect=False, resume=False, save_dir='ip5/aquarium5', save_period=-1, single_cls=False, sync_bn=False, total_batch_size=16, upload_dataset=False, weights='yolov5s.pt', workers=8, world_size=1)
tensorboard: Start with 'tensorboard --logdir ip5', view at http://localhost:6006/
hyperparameters: lr0=0.01, lrf=0.2, momentum=0.937, weight_decay=0.0005, warmup_epochs=3.0, warmup_momentum=0.8, warmup_bias_lr=0.1, box=0.05, cls=0.5, cls_pw=1.0, obj=1.0, obj_pw=1.0, iou_t=0.2, anchor_t=4.0, fl_gamma=0.0, hsv_h=0.015, hsv_s=0.7, hsv_v=0.4, degrees=0.0, translate=0.1, scale=0.5, shear=0.0, perspective=0.0, flipud=0.0, fliplr=0.5, mosaic=1.0, mixup=0.0
wandb: Currently logged in as: pebs (use `wandb login --relogin` to force relogin)
wandb: Tracking run with wandb version 0.10.26
wandb: Syncing run aquarium5
wandb: ⭐️ View project at https://wandb.ai/pebs/ip5
wandb: 🚀 View run at https://wandb.ai/pebs/ip5/runs/1c2j80ii
wandb: Run data is saved locally in /usr/src/app/wandb/run-20210419_102642-1c2j80ii
wandb: Run `wandb offline` to turn off syncing.
Overriding model.yaml nc=80 with nc=7
from n params module arguments
0 -1 1 3520 models.common.Focus [3, 32, 3]
1 -1 1 18560 models.common.Conv [32, 64, 3, 2]
2 -1 1 18816 models.common.C3 [64, 64, 1]
3 -1 1 73984 models.common.Conv [64, 128, 3, 2]
4 -1 1 156928 models.common.C3 [128, 128, 3]
5 -1 1 295424 models.common.Conv [128, 256, 3, 2]
6 -1 1 625152 models.common.C3 [256, 256, 3]
7 -1 1 1180672 models.common.Conv [256, 512, 3, 2]
8 -1 1 656896 models.common.SPP [512, 512, [5, 9, 13]]
9 -1 1 1182720 models.common.C3 [512, 512, 1, False]
10 -1 1 131584 models.common.Conv [512, 256, 1, 1]
11 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest']
12 [-1, 6] 1 0 models.common.Concat [1]
13 -1 1 361984 models.common.C3 [512, 256, 1, False]
14 -1 1 33024 models.common.Conv [256, 128, 1, 1]
15 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest']
16 [-1, 4] 1 0 models.common.Concat [1]
17 -1 1 90880 models.common.C3 [256, 128, 1, False]
18 -1 1 147712 models.common.Conv [128, 128, 3, 2]
19 [-1, 14] 1 0 models.common.Concat [1]
20 -1 1 296448 models.common.C3 [256, 256, 1, False]
21 -1 1 590336 models.common.Conv [256, 256, 3, 2]
22 [-1, 10] 1 0 models.common.Concat [1]
23 -1 1 1182720 models.common.C3 [512, 512, 1, False]
24 [17, 20, 23] 1 32364 models.yolo.Detect [7, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]]
[W NNPACK.cpp:80] Could not initialize NNPACK! Reason: Unsupported hardware.
Model Summary: 283 layers, 7079724 parameters, 7079724 gradients, 16.4 GFLOPS
Transferred 356/362 items from yolov5s.pt
Scaled weight_decay = 0.0005
Optimizer groups: 62 .bias, 62 conv.weight, 59 other
train: Scanning '/usr/src/app/aquarium/train/labels.cache' images and labels... 448 found, 0 missing, 1 empty, 0 corrupted: 100%|█| 448/448 [00:00<?, ?
train: Caching images (0.4GB): 100%|████████████████████████████████████████████████████████████████████████████████| 448/448 [00:01<00:00, 313.77it/s]
val: Scanning '/usr/src/app/aquarium/valid/labels.cache' images and labels... 127 found, 0 missing, 0 empty, 0 corrupted: 100%|█| 127/127 [00:00<?, ?it
val: Caching images (0.1GB): 100%|██████████████████████████████████████████████████████████████████████████████████| 127/127 [00:00<00:00, 141.31it/s]
Plotting labels...
autoanchor: Analyzing anchors... anchors/target = 5.17, Best Possible Recall (BPR) = 0.9997
Image sizes 640 train, 640 test
Using 3 dataloader workers
Logging results to ip5/aquarium5
Starting training for 10 epochs...
Epoch gpu_mem box obj cls total labels img_size
0%| | 0/28 [00:00<?, ?it/s]Killed
root@cf40a6498016:~# /opt/conda/lib/python3.8/multiprocessing/resource_tracker.py:216: UserWarning: resource_tracker: There appear to be 6 leaked semaphore objects to clean up at shutdown
warnings.warn('resource_tracker: There appear to be %d '
Исходя из этого вывода, я могу подумать, что было завершено 0 эпох.
Мой data.yaml содержит этот код:
train: /usr/src/app/aquarium/train/images
val: /usr/src/app/aquarium/valid/images
nc: 7
names: ['fish', 'jellyfish', 'penguin', 'puffin', 'shark', 'starfish', 'stingray']
wandb.ai не отображает никаких показателей, но у меня есть файлы config.yaml, requirements.txt, wandb-metadata.json и wandb-summary.json.
Почему я не получаю никаких результатов?
Неужели тренировок вообще нет?
Если было обучение, как я могу использовать свою модель?
2 ответа
Проблема заключалась в том, что на виртуальной машине закончилась оперативная память. Решением было создать 16 ГБ памяти подкачки, чтобы машина могла использовать виртуальный жесткий диск в качестве ОЗУ.
изменить размер партии, добавив параметр:
--batch-size 3
медленно увеличивайте, проверяя память
если это не работает, также уменьшите размер изображения [320,320]