Коментари

Копиране на връзка Цитирайте отговор

abeyang00 коментира 1 април 2018 г.

Има ли начин да се покаже графика на загубите по време на тренировка като tensorflow?

springkim коментира 1 април 2018 г.

Здравей @ abeyang00
Тук! https://github.com/AlexeyAB/darknet.
Той направи заговор за загуба за обучение.

abeyang00 коментира 1 април 2018 г.

@springkim можете ли да ми кажете къде се намира сюжетът в неговата папка? е в .c файл в src?

ahsan856jalal коментира 3 април 2018 г.

AlexeyAB # 504 (коментар)
отговорът ви е отдолу

Каролайн 1994 коментира 5 април 2018 г.

може ли някой да ми каже как да покажа графика на загубите по време на тренировка, когато използвам darknet на pjreddie

Сикандархан коментира 31 август 2018 г.

Всяка актуализация на тази тема?

rbarman коментира 22 март 2019 г.

По принцип трябва да запишете изхода на ./darknet detector train <> в лог файл и след това python plot_yolo_log.py log_file.log

Имайте предвид, че сюжетът не се показва в тетрадка с юпитер, дори и с% matplotlib вграден. Работата е да се копира целият свързан със сюжета код от https://github.com/Jumabek/darknet_scripts/blob/master/plot_yolo_log.py в нова функция.

AlexeyAB коментира 22 март 2019 г.

Можете да използвате репо https://github.com/AlexeyAB/darknet, което показва диаграма Loss & mAP по време на обучение:

време

groszste коментира 18 април 2019 г.

@AlexeyAB този сюжет на загубата на обучение или загуба на валидиране? Ако загуба на обучение, имате ли начин да видите загубата на валидиране?

AlexeyAB коментира 18 април 2019 г.

@groszste
Това е карта за загуба на обучение и валидиране.
За мен не е необходимо да виждам загуба на валидация, много по-добре е да видя карта на валидация.

JakupGuven коментира 20 април 2019 г.

@AlexeyAB
Какви команди използвате за показване на валидиране на mAP по време на обучение?

krxxxxxxxanc коментира 27 април 2019 г.

"Или просто тренирайте с -map flag:

darknet.exe детектор влак данни/obj.data yolo-obj.cfg darknet53.conv.74 -map

Така ще видите mAP-диаграма (червена линия) в прозореца Loss-chart. mAP ще се изчислява за всяка 4 епохи, като се използва валиден = valid.txt файл, който е посочен във файла obj.data (1 епоха = images_in_train_txt/batch итерации) "

yjdeveloper коментира 20 юни 2019 г. •

Следвах стъпките, дадени от г-н @AlexeyAB и получих червената линия, но проблемът ми е как да начертая карта на всеки 100 итерации. Във вашата документация до 1000 повторения, но аз искам на всеки 100 повторения.

snphnolt коментира 21 юли 2019 г.

@yjdeveloper разбра ли как да намалите изчислението на mAP на по-кратък интервал?

fcakyon коментиран 25 септември 2019 г. •

@yjdeveloper @snphnolt използва тази версия с -map 0.02 за изчисляване на картата на всяка 0,02 епоха (започва след итерации за загряване)

nehasoni3 коментира 10 февруари 2020 г.

Където е видяла тази графична карта?

nehasoni3 коментира 10 февруари 2020 г.

Следвах стъпките, дадени от г-н @AlexeyAB и получих червената линия, но проблемът ми е как да начертая карта на всеки 100 итерации. Във вашата документация до 1000 повторения, но аз искам на всеки 100 повторения.

Как се получи червената линия?

призрак коментира 25 февруари 2020 г.

Използвам вашето репо за откриване на персонализирани обекти с помощта на yolov3. обаче аз имам в беда. Изображението predvitions.jpg не извежда оценка на доверието, но извлича идентификатора на класа.

проследих кода на image.c и открих, че в дефиницията на функцията

void draw_detections_v3 (image im, detection * dets, int num, float thresh, char ** names, image ** alphabet, int classes, int ext_output)

как да разрешите проблема?

призрак коментира 26 февруари 2020 г.

моля, някой, помогнете. коя функция трябва да използвам в хранилището на AlexeyAB yolo, за да получа чертежи с оценка на доверието във файла с изображения на predvitions.jpg. Имам само идентификатор на клас, използвайки това

!./ данни за тестване на детектор за тъмни мрежи/trainer.data cfg/yolov3.cfg backup/yolov3_last.weights -thresh 0.1 -iou_thresh 0.3 data/img/tb500.jpg

Леприко коментира 21 март 2020 г.

Можете да използвате репо https://github.com/AlexeyAB/darknet, което показва диаграма Loss & mAP по време на обучение:

Командата ./darknet detector demo. -json_port 8070 -mjpeg_port 8090 работи много добре, но има ли начин да запазите изображението във векторен формат като напр. * pdf, * svg, * ps?

Леприко коментира 24 март 2020 г.

По принцип трябва да запишете изхода на ./darknet detector train <> в лог файл и след това python plot_yolo_log.py log_file.log

Имайте предвид, че сюжетът не се показва в тетрадка с юпитер, дори и с% matplotlib вграден. Работата е да се копира целият свързан със сюжета код от https://github.com/Jumabek/darknet_scripts/blob/master/plot_yolo_log.py в нова функция.

@rbarman в log.txt извежда каква е информацията за mAP?

ak3509311 коментира 8 май 2020 г.

Как да запазя графиката на загубите на устройство, защото стартирам кода на colab .

harshkc03 коментира 16 юни 2020 г. •

Тренирам Yolov3-tiny на colab, използвайки следната команда-
!./ влак за детектор на тъмни мрежи /content/obj.data /content/yolov3-tiny-obj.cfg backup/yolov3-tiny-obj_last.weights -dont_show -mjpeg_port 8090 -map

Той показва MJPEG-поток, изпратен в изхода след всяка итерация и знам, че трябва да използваме http: // ip-address: 8090 формат за достъп до диаграмата, но не мога да намеря ip-адреса на моя бележник на colab. Опитах да използвам адреси от! Ifconfig и! Curl ipecho.net/plain, но все още няма резултат.
Всяка помощ ще бъде оценена.

химевел коментира 5 юли 2020 г. •

@ harshkc03 Намерих този цитат в StackOverflow. Все още не намерих начин да разпространявам json и графиката едновременно, но можете да опитате нещо подобно, за да тренирате и да видите как вашата графика се актуализира. Той отпечатва url, че можете да получите достъп до вашата графика на загуби със следните команди:

След това започнете обучението си:

francismontalbo коментира 18 юли 2020 г.

Има ли начин да се създаде крива на загубата и mAP от съществуващо тегло?

harshkc03 коментира 18 юли 2020 г.

@francismontalbo можете да получите карта на съществуващото тегло с помощта на командата-
./ данни за карта на детектора на тъмни мрежи/obj.data yolo-obj.cfg backup \ yolo-obj_last.weights
но не можете да генерирате крива на загуба на съществуващо тегло. Кривата на загубите се генерира само по време на тренировка.

francismontalbo коментира 18 юли 2020 г.

@francismontalbo можете да получите карта на съществуващото тегло с помощта на командата-

./ данни за карта на детектора на тъмни мрежи/obj.data yolo-obj.cfg backup \ yolo-obj_last.weights

но не можете да генерирате крива на загуба на съществуващо тегло. Кривата на загубите се генерира само по време на тренировка.

Да, използвах това. Виждам, благодаря ви за отговора добър сър.

wc1997 коментира 4 август 2020 г.

Можете да използвате pyngrok python пакет, за да покажете графика на загубите

След това стартирайте тренировката си със знамена

harshkc03 коментира 25 август 2020 г.

Можете да използвате pyngrok python пакет, за да покажете графика на загубите

След това стартирайте тренировката си със знамена

Благодаря сър, работи както се очаква.

химевел коментира 25 август 2020 г.

Можете да използвате pyngrok python пакет, за да покажете графика на загубите

След това стартирайте тренировката си със знамена

Изглежда много по-елегантен от моя отговор, ty auhdsuahsduahs

вишнувардхан58 коментира 2 ноември 2020 г. •

Здравейте, получавам следната грешка, докато използвам командата "! ./ darknet detector train data/obj.data cfg/yolov3_custom.cfg darknet53.conv.74 -dont_show -mjpeg_port 8090 -map". Използвам google colab.

Връзката към http://d80c91c46410.ngrok.io беше успешно тунелирана към вашия клиент ngrok, но клиентът не успя да установи връзка с локалния адрес localhost: 8090.

Уверете се, че уеб услугата се изпълнява на localhost: 8090 и че е валиден адрес.

Възникналата грешка беше: наберете tcp 127.0.0.1:8090: свържете: връзката е отказана

sercangokturk коментира 8 ноември 2020 г.

Следвах стъпките, дадени от г-н @AlexeyAB и получих червената линия, но проблемът ми е как да начертая карта на всеки 100 итерации. Във вашата документация до 1000 повторения, но аз искам на всеки 100 повторения.

Намерихте ли решение? Благодаря предварително.