![](https://img.laitimes.com/img/9ZDMuAjOiMmIsIjOiQnIsIyZuBnL5ITOxIzNzETM0EjMxkTMwIzLc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
如上圖,日志分為三部分
一、第一部分
第一行 : 加載初始權重。
第二行 :
- Learning Rate:目前學習率,小數點後大于4位數後,用科學計數法表示。
- Momentum:目前動量參數。
- Decay:目前權重衰減正則項。
第三行 : Resizing,對輸入的圖檔進行标準化。
第四行 : 不知道什麼意思,但每次開始都會變,如果你知道,非常感謝在評論留言。
cfg配置檔案裡的random=1時(打開随機多尺度訓練)的圖檔大小,這時圖檔的width=height,且在320到608之間随機取值,每10輪随機改變一次。(感謝 Jared� 在評論中的留言)
二、第二部分
1. 關于輸出的整體數量
所有訓練圖檔的一個批次(batch),批次大小根據在 .cfg 檔案中設定的subdivisions參數确定。
比如 .cfg 檔案中 batch = 12 ,subdivision = 4,輸出則會有4組,每組往網絡裡輸入3張圖檔。
可以看到,下面的截圖
Region 82
Region 94
Region 106
三個為一組,一共4組。
其中,Region 82,Region 94, Region 106 表示三個不同尺度(82,94,106)上預測到的不同大小的參數。(具體細節還沒了解,等了解了再補)
2. 各參數說明
參數 | 說明 |
---|---|
Loaded | 加載這一批次所用的時間。 |
Avg IOU | 目前 subdivision 内,樣本的平均IOU,期望該值趨近于1。 |
Class | 标注物體分類的正确率,期望該值趨近于1。 |
Obj | 期望該值趨近于1。 |
No Obj | 期望該值越來越小但不為零。 |
.5R | = recall / count,目前模型在所有 subdivision 樣本中檢測出的正樣本與實際正樣本的比值。期望該值趨近1。 |
.75R | - |
count | 所有目前 subdivision 圖檔中包含正樣本标簽數量。 (有說是包含正樣本圖檔數量,但有時會大于圖檔數量,由此認為是标簽的數量,如有錯誤,歡迎留言) |
三、第三部分
批輸出:對這一批次的訓練結果的說明。
參數 | 說明 |
---|---|
22201 | 目前訓練的疊代次數。 |
0.907749 | 總體損失(loss)值。 |
0.907749 avg | 平均損失值,越小越好,一般來說,低于 0.060730 avg 就可以終止訓練了。 (這個數字來自網絡,如果您知道原因,請留言) |
0.000001 rate | 目前學習率。 |
5.067780 seconds | 目前批次訓練花費的總時間。 |
1776080 images | 參與訓練的圖檔總量次。 (不是圖檔的總張數,有的圖檔參加了好幾次訓練。) |