目标检测模型炼丹的完整训练步骤，遇到问题，解决方案 2021-09-02

目标检测模型炼丹的完整训练步骤，遇到问题，解决方案

训练模块，第一步数据清洗，第二步整理标注数据，第三步调整模型的参数，第四步开始训练，第五步测试交付

炼丹的第一步，处理基础药材，将药材的杂质去掉，

1，修改图片后缀，
2，将模糊，亮度等有质量问题的图片，通过脚本清除掉，
3，数据自己再看一眼，不需要自己提纯的药物也清楚掉，不属于自己训练数据，或者数据特征不明显的坚决清楚掉
4，处理药材，剥壳去皮剪枝，去点重复的和旋转的图片，

炼丹第二步，将药材进行标记分类，所有药材按照重量比例划分好，

1，去除标签和图片不对应的数据
2，查看标注文件的标注名称，并且修改标注名称为英文
3，修改数据集格式，按照比例将训练的数据放入训练集

炼丹第三步，准备炉灶，使用那个模型，入炉调参

1，将数据集路径加入其中，
2，将要训练的标签名称加入其中
3，修改训练的总轮次，batch_size 学习率，学习率变化次数

炼丹第四步，开火提炼

1，使用gup开始训练，
2，观察损失函数和map每次迭代后的变化判断是否再有效的训练，
	（1）损失函数训练集中一直减小，验证集中也是再减小，说明在有效的训练。
	（2）很多轮次的训练集中损失函数的值趋于不变，验证集中也不变，map达到90%说明训练完成，所有数据浓缩出的丹药练成了，如果map值比较低，减小学习率或者batch_size
	（3）训练集中损失函数的值不变，验证集中损失函数减小，数据集肯定有问题，重新整理自己的标注文件吧，
	（4）训练集中损失函数值不断下降，验证集中损失函数的值趋于不变，网络过拟合，使用更深的网络训练吧
	（5）训练集损失函数的值不断上升，验证集中损失函数不断上升，网络结构设置不当，训练的参数设置不当，数据集清洗有问题。

炼丹第五步，成丹测试

1，实际项目中，找一些没有标注过的图片进行实际测试，找出问题，不断优化自己的标注方式，优化自己的模型。
2，进行模型转化onnx 或者部署到后端调用。/