yolov8训练自己数据集，batch设置问题！

Question

yolov8训练数据集时，batch只有设置为1才能正确训练，不然就会出现这种情况
有kind man知道怎么回事？怎么解决吗？yolov8的原代码一点没动

```python
Epoch    GPU_mem   box_loss   cls_loss   dfl_loss  Instances       Size
       5/50      2.34G        nan        nan        nan         30        640:

```

Answer 1

【相关推荐】

• 这篇博客: 理解 YOLOv3 的训练输出日志信息中的 Batch 输出 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  ---

  针对上图中最后一行中的信息, 我们来一步一步的分析。如下的输出是由 detector.c 生成的, 具体代码见：

  点击打开链接.

  部分关键代码如下:

  ...
  
  if (avg_loss < 0) avg_loss = loss;
  avg_loss = avg_loss*.9 + loss*.1;
  
  i = get_current_batch(net);
  
  printf("%ld: %f, %f avg, %f rate, %lf seconds, %d images\n", 
          get_current_batch(net), 
          loss, 
          avg_loss, 
          get_current_rate(net), 
          what_time_is_it_now()-time, 
          i*imgs);
  ...

  • 9798： 指示当前训练的迭代次数;
  • 0.370096： 是总体的 Loss(损失）;
  • 0.451929 avg： 是平均 Loss, 这个数值应该越低越好, 一般来说, 一旦这个数值低于 0.060730 avg 就可以终止训练了;
  • 0.001000 rate： 代表当前的学习率, 是在.cfg文件中定义的;
  • 3.300000 seconds： 表示当前批次训练花费的总时间;
  • 627072 images： 这一行最后的这个数值是 9798*64 的大小, 表示到目前为止, 参与训练的图片的总量.

  以下输出是我在训练 VOC 时达到 283234 次迭代时候的输出:

  283234: 0.783273, 0.827796 avg, 0.000020 rate, 1.650999 seconds, 33988080 images

  可以看到 28W 次的训练之后, Loss 和 Avg Loss 并没有降低到 0.1 以下. 但是模型检测目标的准确率也已经很高了, 这就说明如果 Loss 和 Avg Loss 随着训练迭代次数的增加下降幅度变化很小, 这时就可以测试训练得到的模型了.

  当然在实际应用过程中, 并不是 Loss 越低, 模型的精度和泛化性能越好.

  ---

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^