- 新增 continue_train.py 文件,实现从指定模型恢复训练状态并继续训练的功能 - 支持通过命令行参数指定预训练模型路径、数据配置文件、训练轮数等参数 -增加了对最佳权重的加载逻辑,确保从最优模型开始继续训练 - 强制使用 CPU 进行训练,避免 CUDA 设备错误 |
||
|---|---|---|
| datasets | ||
| runs/detect | ||
| continue_train.py | ||
| data.yaml | ||
| onnx2tflite.py | ||
| pt2onnx.py | ||
| test_tf.py | ||
| test.py | ||
| train.py | ||
- 新增 continue_train.py 文件,实现从指定模型恢复训练状态并继续训练的功能 - 支持通过命令行参数指定预训练模型路径、数据配置文件、训练轮数等参数 -增加了对最佳权重的加载逻辑,确保从最优模型开始继续训练 - 强制使用 CPU 进行训练,避免 CUDA 设备错误 |
||
|---|---|---|
| datasets | ||
| runs/detect | ||
| continue_train.py | ||
| data.yaml | ||
| onnx2tflite.py | ||
| pt2onnx.py | ||
| test_tf.py | ||
| test.py | ||
| train.py | ||