yolo - 了解暗网的 yolo.cfg 配置文件

Question

我在互联网上搜索过，但发现的信息很少，我不明白每个变量/值在 yolo 的.cfg文件中代表什么。所以我希望你们中的一些人能提供帮助，我不认为我是唯一一个遇到这个问题的人，所以如果有人知道 2 或 3 个变量，请发布它们，以便将来需要这些信息的人可以找到它们。

我想知道的主要是：

• 批

• 细分

• 衰变

• 势头

• 渠道

• 过滤器

• 激活

标签： yolodarknet

Answer 1

这是我目前对一些变量的理解。但不一定正确：

[网]

• 批处理：在前向传递中使用许多图像+标签来计算梯度并通过反向传播更新权重。
• 细分：批次细分为这么多“块”。块的图像在 gpu 上并行运行。
• 衰减：也许是一个减少权重以避免具有大值的术语。我猜出于稳定性原因。
• 频道：在这张图片中更好地解释：

在左侧，我们有一个 4x4 像素的单个通道，重组层将大小减小到一半，然后在不同通道中创建具有相邻像素的 4 个通道。

• 动量：我猜新梯度是由动量* previous_gradient + (1-动量) * gradient_of_current_batch计算的。使梯度更稳定。
• 亚当：使用亚当优化器？虽然对我不起作用
• burn_in：对于前 x 个批次，慢慢增加学习率直到其最终值（您的learning_rate参数值）。使用它通过监控直到损失减少的值（在它开始发散之前）来决定学习率。
• policy=steps：使用下面的steps和scales参数来调整训练过程中的学习率
• steps=500,1000：在 500 和 1000 批次后调整学习率
• scales=0.1,0.2：500之后，LR乘以0.1，1000之后再乘以0.2
• 角度：通过旋转到这个角度来增强图像（以度为单位）

层数

• 过滤器：一层中有多少个卷积核。
• activation：激活函数，relu，leaky relu等。见src/activations.h
• stopbackward：只在这一层进行反向传播。将其放在第一个 yolo 层之前的倒数第二个卷积层中，以仅训练其后面的层，例如在使用预训练权重时。
• random：放入 yolo 层。如果设置为 1，则通过每隔几批将图像大小调整为不同大小来进行数据增强。用于概括对象大小。

许多事情或多或少是不言自明的（大小、步幅、batch_normalize、max_batches、宽度、高度）。如果您有更多问题，请随时发表评论。

再次，请记住，我对其中的许多都不是 100% 确定的。