質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.13%

物体検出 yolo3 学習実行時のエラー

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 372

tukatuka

score 12

物体検出、プログラミング初心者です。
自前の画像を使用して物体検出を行おうと考えています。
一連の流れをつかむためにまずは画像数90枚で行っております。
悩んでいる点としては、
・学習が途中で停止してしまう(100epoch中50epochで学習停止する)
・バッチサイズが途中で8→32に変わってしまう
です。これにより学習が完了せず解決策を教えていただきたいです。
以下に学習を実行した際の画像を載せます。

//////////////////////////////////////////////////////////////////////////
実行画面
////////////////////////////////////////////////////////////////////////////////
Load weights model_data/yolo_weights.h5.
Freeze the first 249 layers of total 252 layers.
Train on 49 samples, val on 5 samples, with batch size 8.
Epoch 1/50
6/6 [==============================] - 97s 16s/step - loss: 3862.8236 - val_loss: 2525.1660
Epoch 2/50
6/6 [==============================] - 94s 16s/step - loss: 2004.1879 - val_loss: 1296.2518
Epoch 3/50
6/6 [==============================] - 94s 16s/step - loss: 1103.3874 - val_loss: 758.0297
Epoch 4/50
6/6 [==============================] - 95s 16s/step - loss: 651.3497 - val_loss: 505.9644
Epoch 5/50
6/6 [==============================] - 95s 16s/step - loss: 440.2337 - val_loss: 366.5551
Epoch 6/50
6/6 [==============================] - 94s 16s/step - loss: 327.3511 - val_loss: 272.4472
Epoch 7/50
6/6 [==============================] - 95s 16s/step - loss: 259.5925 - val_loss: 253.0002
Epoch 8/50
6/6 [==============================] - 94s 16s/step - loss: 227.3389 - val_loss: 210.8321
Epoch 9/50
6/6 [==============================] - 95s 16s/step - loss: 207.7706 - val_loss: 183.8971
Epoch 10/50
6/6 [==============================] - 94s 16s/step - loss: 184.3050 - val_loss: 187.1789
Epoch 11/50
6/6 [==============================] - 94s 16s/step - loss: 166.7220 - val_loss: 163.4344
Epoch 12/50
6/6 [==============================] - 94s 16s/step - loss: 171.3143 - val_loss: 156.6712
Epoch 13/50
6/6 [==============================] - 94s 16s/step - loss: 155.6616 - val_loss: 151.1485
Epoch 14/50
6/6 [==============================] - 94s 16s/step - loss: 147.6659 - val_loss: 148.0244
Epoch 15/50
6/6 [==============================] - 93s 16s/step - loss: 147.8277 - val_loss: 147.0369
Epoch 16/50
6/6 [==============================] - 94s 16s/step - loss: 138.5200 - val_loss: 140.4684
Epoch 17/50
6/6 [==============================] - 94s 16s/step - loss: 138.0531 - val_loss: 139.6148
Epoch 18/50
6/6 [==============================] - 94s 16s/step - loss: 122.5309 - val_loss: 132.9278
Epoch 19/50
6/6 [==============================] - 95s 16s/step - loss: 128.7083 - val_loss: 124.5317
Epoch 20/50
6/6 [==============================] - 94s 16s/step - loss: 126.3449 - val_loss: 131.9259
Epoch 21/50
6/6 [==============================] - 94s 16s/step - loss: 120.1624 - val_loss: 126.4648
Epoch 22/50
6/6 [==============================] - 94s 16s/step - loss: 114.2325 - val_loss: 120.2197
Epoch 23/50
6/6 [==============================] - 94s 16s/step - loss: 121.6016 - val_loss: 122.1450
Epoch 24/50
6/6 [==============================] - 94s 16s/step - loss: 112.7781 - val_loss: 121.4166
Epoch 25/50
6/6 [==============================] - 94s 16s/step - loss: 110.1831 - val_loss: 109.2688
Epoch 26/50
6/6 [==============================] - 94s 16s/step - loss: 109.7402 - val_loss: 113.1680
Epoch 27/50
6/6 [==============================] - 93s 16s/step - loss: 100.4482 - val_loss: 111.1782
Epoch 28/50
6/6 [==============================] - 94s 16s/step - loss: 110.2274 - val_loss: 95.1962
Epoch 29/50
6/6 [==============================] - 93s 16s/step - loss: 101.5781 - val_loss: 109.4423
Epoch 30/50
6/6 [==============================] - 93s 16s/step - loss: 105.5079 - val_loss: 97.6294
Epoch 31/50
6/6 [==============================] - 93s 16s/step - loss: 102.4861 - val_loss: 100.0084
Epoch 32/50
6/6 [==============================] - 93s 15s/step - loss: 100.4590 - val_loss: 104.3083
Epoch 33/50
6/6 [==============================] - 93s 15s/step - loss: 100.3361 - val_loss: 105.8973
Epoch 34/50
6/6 [==============================] - 92s 15s/step - loss: 102.2306 - val_loss: 103.4538
Epoch 35/50
6/6 [==============================] - 92s 15s/step - loss: 95.9612 - val_loss: 104.5623
Epoch 36/50
6/6 [==============================] - 93s 15s/step - loss: 97.2867 - val_loss: 102.8819
Epoch 37/50
6/6 [==============================] - 92s 15s/step - loss: 99.8794 - val_loss: 100.2253
Epoch 38/50
6/6 [==============================] - 93s 15s/step - loss: 91.6456 - val_loss: 83.9571
Epoch 39/50
6/6 [==============================] - 92s 15s/step - loss: 96.0486 - val_loss: 95.0769
Epoch 40/50
6/6 [==============================] - 92s 15s/step - loss: 93.4906 - val_loss: 105.6490
Epoch 41/50
6/6 [==============================] - 92s 15s/step - loss: 89.3412 - val_loss: 93.1189
Epoch 42/50
6/6 [==============================] - 92s 15s/step - loss: 89.4554 - val_loss: 103.3351
Epoch 43/50
6/6 [==============================] - 92s 15s/step - loss: 93.0239 - val_loss: 89.3026
Epoch 44/50
6/6 [==============================] - 93s 15s/step - loss: 84.5503 - val_loss: 99.7245
Epoch 45/50
6/6 [==============================] - 93s 15s/step - loss: 94.8018 - val_loss: 98.3804
Epoch 46/50
6/6 [==============================] - 92s 15s/step - loss: 88.8270 - val_loss: 89.7440
Epoch 47/50
6/6 [==============================] - 92s 15s/step - loss: 88.7191 - val_loss: 105.0226
Epoch 48/50
6/6 [==============================] - 93s 15s/step - loss: 86.8692 - val_loss: 90.4322
Epoch 49/50
6/6 [==============================] - 95s 16s/step - loss: 88.1812 - val_loss: 99.0259
Epoch 50/50
6/6 [==============================] - 95s 16s/step - loss: 88.8118 - val_loss: 98.1384
Unfreeze all of the layers.
Train on 49 samples, val on 5 samples, with batch size 32.
Epoch 51/100
^C

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

以下のレポジトリですよね?

GitHub - qqwweee/keras-yolo3: A Keras implementation of YOLOv3 (Tensorflow backend)

^C と出てますが Ctrl + C で自分で止めてないでしょうか?
バッチサイズが変わるのは、コードの実装通りの動作です。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/12/16 17:15

    回答ありがとうございます。そちらのレポジトリであってます。Ctrl+Cの操作は行っておらず毎回^Cの表示が出て勝手に停止してしまいます。また、 val on 5 samplesとなっておりバッチサイズよりも小さいのですが問題は無いのでしょうか?

    キャンセル

  • 2019/12/16 17:24

    どのような環境で実行しているのでしょうか?
    python train.py のようにコンソールから実行していますか?

    > バッチサイズよりも小さいのですが問題は無いのでしょうか?
    バッチサイズより小さい場合は、その数 = バッチサイズになるように修正されるので、その点は問題ありません。

    キャンセル

  • 2019/12/16 17:48

    google colabにてpython train.py のように実行しています。こちらのサイトの流れに沿ってやっています。
    https://sleepless-se.net/2019/06/23/yolo-original-model-training-on-colab/
    バッチサイズの件了解しました。ありがとうございます。

    キャンセル

  • 2019/12/16 17:52

    バッチサイズが8から32に変更して学習しようとしたタイミングで止まってしまうということは、もしかしたらメモリ不足等の可能性もあるので、以下の train.py 76行目の32となっているバッチサイズを16や8など小さい値にしてみてはどうでしょうか。

    https://github.com/qqwweee/keras-yolo3/blob/e6598d13c703029b2686bc2eb8d5c09badf42992/train.py#L76

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.13%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる