时间戳

首页 > 解决方案 > 所有这些参数在 yoloV4 模型中的含义

python - 所有这些参数在 yoloV4 模型中的含义

问题描述

训练 YOLOv4 的所有这些参数是什么意思？

（在 1300 次迭代时进行下一次 mAP 计算）

最后准确度 mAP@0.5 = 63.16 %，最佳 = 68.55 %

1249: 26.351213, 24.018257 平均损失, 0.001000 速率, 2.983998 秒, 39968 图像, 10.505599 小时剩余负载: 0.000068 秒

（在 1300 次迭代时进行下一次 mAP 计算）最后准确度 mAP@0.5 = 63.16 %，最佳 = 68.55 %

1250: 13.904115, 23.006844 平均损失, 0.001000 率, 4.093653 秒, 40000 张图像, 10.456502 小时剩余调整大小, random_coef = 1.40

标签： pythondeep-learningconv-neural-networkyolodarknet

解决方案

以下是参数的含义。

对于您给定的示例：

(next mAP calculation at 1300 iterations) Last accuracy mAP@0.5 = 63.16 %, best = 68.55 %

1250: 13.904115, 23.006844 avg loss, 0.001000 rate, 4.093653 seconds, 40000 images, 10.456502 hours left Resizing, random_coef = 1.40

  • 1250--> 迭代

  • Last accuracy mAP@0.5--> 50% IoU 阈值时的最后平均精度 (mAP)。每 100 次迭代计算一次 mAP。因此，在示例中，它是来自迭代的 mAP = 1200

  • best--> 迄今为止最高的 mAP

  • 13.904115--> 总损失

  • 23.006844 avg loss--> 平均损失，这是你在训练中应该关心的事情

  • 0.001000 rate--> 学习率

  • 4.093653 seconds--> 处理批处理所花费的总时间

  • 40000 images--> 到目前为止训练期间使用的图像总数（迭代*批次 = 1250 * 32）

  • 10.456502 hours left--> 完成max_batches配置文件中的估计剩余时间

  • Resizing, random_coef = 1.40--> 确认您的数据集每 10 次迭代随机调整大小，从 1/1.4 到 1.4（在本次迭代中，它是 1.40）

参考资料： https ://github.com/AlexeyAB/darknet/blob/master/src/detector.c https://github.com/AlexeyAB/darknet/wiki/CFG-Parameters-in-the-different-layers

推荐阅读