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。
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。) |