Veszteségdiagram a 614-es edzés során

Hozzászólások

Link másolása Idézet válasz

abeyang00 kommentálta 2018. április 1

Van-e mód arra, hogy edzés közben megjelenjen a veszteséggrafikon, például a tensorflow?

springkim kommentálta 2018. április 1

Szia @ abeyang00
Itt! https://github.com/AlexeyAB/darknet.
Veszteséget készített az edzéshez.

abeyang00 kommentálta 2018. április 1

@springkim meg tudnád mondani, hogy hol található a cselekmény a mappájában? van-e .c fájlban az src-ben?

ahsan856jalal kommentálta 2018. április 3

AlexeyAB # 504 (megjegyzés)
válaszod alul van

Caroline1994 kommentálta 2018. április 5

valaki meg tudná mondani, hogyan kell megmutatni a veszteségdiagramot edzés közben, amikor pjreddie darknet-jét használom

Sikandarkhan kommentálta 2018. augusztus 31

A szál bármilyen frissítése?

rbarman kommentálta 2019. március 22

Alapvetően el kell mentenie a ./darknet detektor vonat <> kimenetét egy naplófájlba, majd a python plot_yolo_log.py log_file.log fájlt.

Vegye figyelembe, hogy a cselekmény még a% matplotlib inline mellett sem jelenik meg a jupyter-notebookban. Ennek során át kell másolni a telekkel kapcsolatos összes kódot a https://github.com/Jumabek/darknet_scripts/blob/master/plot_yolo_log.py webhelyről egy új függvénybe.

AlexeyAB kommentálta 2019. március 22

Használhatja a https://github.com/AlexeyAB/darknet repót, amely a veszteség és a térkép diagramját mutatja edzés közben:

groszste kommentálta 2019. április 18

@AlexeyAB ez a képzési veszteség vagy validációs veszteség cselekménye? Ha képzési veszteség van, van-e módja az érvényesítési veszteség megtekintésére?

AlexeyAB kommentálta 2019. április 18

@groszste
Ez a Training loss és Validation mAP.
Számomra nem szükséges az érvényesítési veszteséget látni, sokkal jobb, ha az érvényesítési térképet látom.

JakupGuven kommentálta 2019. április 20

@AlexeyAB
Milyen parancsokat használ az érvényesítési MAP megjelenítéséhez edzés közben?

krxxxxxxxanc kommentálta 2019. április 27

"Vagy csak edz -map zászlóval:

darknet.exe detektor vonat adatai/obj.data yolo-obj.cfg darknet53.conv.74 -térkép

Tehát a veszteségdiagram ablakban megjelenik a mAP-diagram (piros vonal). A mAP minden 4 korszakra kiszámításra kerül az obj.data fájlban megadott valid = valid.txt fájl használatával (1 epoch = images_in_train_txt/kötegelt iterációk) "

yjdeveloper hozzászólt: 2019. június 20. •

Követtem @AlexeyAB úr által adott lépéseket, és megkaptam a piros vonalat, de az a problémám, hogy hogyan térképezzek fel térképet minden 100 ismétlés után. A dokumentációban 1000 ismétlésig, de minden 100 ismétlésben szeretném.

snphnolt kommentálta 2019. július 21

@yjdeveloper rájöttél arra, hogyan lehet a térkép számítását rövidebb időközönként kicsinyíteni?

fcakyon hozzászólt: 2019. szeptember 25. •

@yjdeveloper @snphnolt használja ezt a verziót a -map 0.02-gyel a térkép kiszámításához minden 0,02 korszakban (a bemelegedési ismétlések után indul)

nehasoni3 kommentálta 2020. február 10

Ahol ez a térképdiagram látta?

nehasoni3 kommentálta 2020. február 10

Hogy van a piros vonal?

szellem kommentálta 2020. február 25

A repo-jával egyedi objektumokat észlelek a yolov3 segítségével. azonban bajba kerülök. A prediktív.jpg kép nem vonja magabiztossági pontszámot, de az osztályazonosítót.

nyomon követtem az image.c kódot, és a funkciódefinícióban azt tapasztaltam

void draw_detections_v3 (kép im, észlelés * dets, int szám, lebegő cséplés, char ** nevek, kép ** ábécé, int osztályok, int ext_output)

hogyan lehet megoldani a kérdést?

szellem kommentálta 2020. február 26

kérlek, bárki, segíts. melyik függvényt kell használnom az AlexeyAB yolo repository-ban ahhoz, hogy megbízhatósági pontszámot kapjak a prediktív.jpg képfájlra. Csak az Id osztályt kapom ezzel

!./ darknet detektor teszt adatai/trainer.data cfg/yolov3.cfg backup/yolov3_last.weights -thresh 0.1 -iou_thresh 0.3 data/img/tb500.jpg

Manó kommentálta 2020. március 21

Használhatja a https://github.com/AlexeyAB/darknet repót, amely a veszteség és a térkép diagramját mutatja edzés közben:

A ./darknet detektor bemutató parancs. -json_port 8070 -mjpeg_port 8090 nagyon jól működik, de lehet-e valamilyen módon menteni a képet vektoros formátumba, például pl. * pdf, * svg, * ps?

Manó kommentálta 2020. március 24

Alapvetően el kell mentenie a ./darknet detektor vonat <> kimenetét egy naplófájlba, majd a python plot_yolo_log.py log_file.log fájlt.

@rbarman a log.txt kimenetben mi az információ a mAP-ról?

ak3509311 kommentálta 2020. május 8

Hogyan lehet menteni a veszteségdiagramot a meghajtóra, mert a futtatom a kódot a colabon .

harshkc03 hozzászólt: 2020. június 16. •

A következő parancs segítségével edzek Yolov3-tiny-t colab-on-
!./ darknet detector train /content/obj.data /content/yolov3-tiny-obj.cfg backup/yolov3-tiny-obj_last.weights -dont_show -mjpeg_port 8090 -térkép

Minden iteráció után megjeleníti a kimenetben elküldött MJPEG-streamet, és tudom, hogy a diagram eléréséhez a http: // ip-address: 8090 formátumot kell használnunk, de nem találom a colab notebookom IP-címét. Megpróbáltam használni az! Ifconfig és a! Curl ipecho.net/plain címeket, de még mindig nincs eredmény.
Minden segítséget értékelni fogunk.

himewel hozzászólt: 2020. július 5. •

@ harshkc03 Ezt az idézetet a StackOverflow-ban találtam. Még mindig nem találtam módot a json és a grafikon egyidejű terjesztésére, de megpróbálhatsz valami hasonlót a vonat képzéséhez és a grafikonod frissítéséhez. Kinyomtat egy URL-t, amelyhez a következő parancsokkal férhet hozzá a veszteségdiagramhoz:

Ezután kezdje el a képzést:

francismontalbo kommentálta 2020. július 18

Van-e mód arra, hogy a veszteséggörbét és a MAP-ot egy meglévő súlyból elkészítsük?

harshkc03 kommentálta 2020. július 18

@francismontalbo a parancs segítségével megszerezheti a meglévő tömeg mAP-ját-
./ darknet detektor térképadatok/obj.data yolo-obj.cfg backup \ yolo-obj_last.weights
de nem hozhatja létre egy meglévő súly veszteséggörbéjét. A veszteséggörbe csak edzés közben keletkezik.

francismontalbo kommentálta 2020. július 18

@francismontalbo a parancs segítségével megszerezheti a meglévő tömeg mAP-ját-

./ darknet detektor térképadatok/obj.data yolo-obj.cfg backup \ yolo-obj_last.weights

de nem hozhatja létre egy meglévő súly veszteséggörbéjét. A veszteséggörbe csak edzés közben keletkezik.

Igen, ezt használtam. Látom, köszönöm a választ, jó uram.

wc1997 kommentálta 2020. augusztus 4

A pyngrok python csomag segítségével megjelenítheti a veszteségdiagramot

Ezután futtassa az edzését zászlókkal

harshkc03 kommentálta 2020. augusztus 25

A pyngrok python csomag segítségével megjelenítheti a veszteségdiagramot

Ezután futtassa az edzését zászlókkal

Köszönöm uram, a várakozásoknak megfelelően működik.

himewel kommentálta 2020. augusztus 25

A pyngrok python csomag segítségével megjelenítheti a veszteségdiagramot

Ezután futtassa az edzését zászlókkal

Sokkal elegánsabbnak tűnik, mint a válaszom, ty auhdsuahsduahs

vishnuvardhan58 hozzászólt: 2020. november 2. •

Helló, a következő hibát kapom a "! ./ darknet detector train data/obj.data cfg/yolov3_custom.cfg darknet53.conv.74 -dont_show -mjpeg_port 8090 -map" parancs használata közben. A google colab-ot használom.

A http://d80c91c46410.ngrok.io webhelyhez való csatlakozás sikeresen alagútba került az ngrok klienséhez, de az ügyfél nem tudott kapcsolatot létesíteni a localhost helyi címmel: 8090.

Győződjön meg arról, hogy egy webszolgáltatás a localhost: 8090 készüléken fut, és hogy ez érvényes cím.

A felmerült hiba a következő volt: dial tcp 127.0.0.1:8090: connect: kapcsolat elutasítva

sercangokturk kommentálta 2020. november 8

Talált megoldást? Előre is köszönöm.