如上图，日志分为三部分
一、第一部分
第一行 ： 加载初始权重。
第二行 ：
- Learning Rate：当前学习率，小数点后大于4位数后，用科学计数法表示。
- Momentum：当前动量参数。
- Decay：当前权重衰减正则项。
第三行 ： Resizing，对输入的图片进行标准化。
第四行 ： 不知道什么意思，但每次开始都会变，如果你知道，非常感谢在评论留言。
cfg配置文件里的random=1时（打开随机多尺度训练）的图片大小，这时图片的width=height，且在320到608之间随机取值，每10轮随机改变一次。（感谢 Jared� 在评论中的留言）
二、第二部分
1. 关于输出的整体数量
所有训练图片的一个批次（batch），批次大小根据在 .cfg 文件中设置的subdivisions参数确定。
比如 .cfg 文件中 batch = 12 ，subdivision = 4，输出则会有4组，每组往网络里输入3张图片。
可以看到，下面的截图
Region 82
Region 94
Region 106
三个为一组，一共4组。
其中，Region 82，Region 94， Region 106 表示三个不同尺度（82，94，106）上预测到的不同大小的参数。（具体细节还没理解，等理解了再补）
2. 各参数说明
| 参数 | 说明 |
|---|---|
| Loaded | 加载这一批次所用的时间。 |
| Avg IOU | 当前 subdivision 内，样本的平均IOU，期望该值趋近于1。 |
| Class | 标注物体分类的正确率，期望该值趋近于1。 |
| Obj | 期望该值趋近于1。 |
| No Obj | 期望该值越来越小但不为零。 |
| .5R | = recall / count，当前模型在所有 subdivision 样本中检测出的正样本与实际正样本的比值。期望该值趋近1。 |
| .75R | - |
| count | 所有当前 subdivision 图片中包含正样本标签数量。 (有说是包含正样本图片数量，但有时会大于图片数量，由此认为是标签的数量，如有错误，欢迎留言) |
三、第三部分
批输出：对这一批次的训练结果的说明。
| 参数 | 说明 |
|---|---|
| 22201 | 当前训练的迭代次数。 |
| 0.907749 | 总体损失（loss）值。 |
| 0.907749 avg | 平均损失值，越小越好，一般来说，低于 0.060730 avg 就可以终止训练了。 （这个数字来自网络，如果您知道原因，请留言） |
| 0.000001 rate | 当前学习率。 |
| 5.067780 seconds | 当前批次训练花费的总时间。 |
| 1776080 images | 参与训练的图片总量次。 （不是图片的总张数，有的图片参加了好几次训练。） |