基于旧自定义训练权重训练Yolov3新数据时训练终止问题

我训练了一个用于检测水瓶及其特征的Yolov3模型，发现无法准确检测cap_missing（瓶盖缺失）类别，于是打算用旧训练权重继续训练新增的相关数据。已完成以下准备工作：

• 下载并标注了新数据集
• 生成了train.txt文件
• 因类别与旧模型一致，未修改cfg/yolov3-custom.cfg和类别.names文件

在Google Colab中执行训练命令：

!./darknet detector train data/custom.data cfg/yolov3-custom.cfg backup/yolov3-custom_last.weights -dont_show

但训练单元直接停止，未开始新数据的训练，附带训练日志截图及Drive存储链接。

• 检查文件路径正确性
  确认custom.data、yolov3-custom.cfg、yolov3-custom_last.weights的路径在Colab环境中是否正确，Colab的文件系统路径可能因挂载Drive的方式不同有变化，可通过!ls命令验证文件是否存在，比如：

  !ls data/
  !ls cfg/
  !ls backup/
  

• 提取日志关键报错信息
  日志截图里的报错细节是定位问题的核心，重点关注：
  • 是否有文件找不到的提示（如Couldn't open file）
  • 标注文件或train.txt的路径、格式是否符合Darknet要求
  • 旧权重文件是否损坏（可尝试重新复制备份文件，或用初始权重测试训练流程）
• 验证custom.data配置
  确认custom.data中train字段指向的train.txt路径正确，且train.txt内的图片路径在Colab中可访问，同时核对classes、names字段是否与旧模型完全一致。
• 检查Colab资源状态
  训练启动时如果遇到GPU资源不足或内存溢出，会直接导致进程停止。可通过“运行时”->“更改运行时类型”确认是否分配了GPU，同时关闭其他占用资源的进程。
• 简化命令测试流程
  先去掉-dont_show参数查看实时输出，或者用少量测试数据运行训练命令，验证基础流程是否正常。

内容的提问来源于stack exchange，提问作者Abraham Tehseen