【YOLO学习笔记】之YOLO配置文件详解

水深无声 2021-06-11 15:12 637阅读 0赞

如果你有什么问题，希望跟我能够一起交流，除了通过博客交流外，欢迎你加入我的QQ群，一起交流有关于机器学习、深度学习、计算机视觉有关内容。目前我并未确定具体的研究方向，所以现在 处于广泛涉猎阶段，希望我们能够一起沟通。下图是我的群二维码：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_2FFF3F_t_70][]

接下来我们进入正题。

在YOLO初体验中，应用到了一个后缀名为cfg的文件，在darknet中有一个文件夹，下面有各种各样的cfg文件

![70][]

![70 1][]

这些cfg文件都是YOLO的配置文件，负责YOLO所需数据集的训练工作，接下来，给大家详细讲解一下配置文件。讲解配置文件，我以 yolov2-tiny.cfg 文件为例。该文件具体内容如下：

[net]
    # Testing
    # batch=1
    # subdivisions=1
    # Training
     batch=1
     subdivisions=1
    width=480
    height=480
    channels=3
    momentum=0.9
    decay=0.0005
    angle=0
    saturation = 1.5
    exposure = 1.5
    hue=.1
    
    learning_rate=0.001
    burn_in=1000
    max_batches = 500200
    policy=steps
    steps=400000,450000
    scales=.1,.1
    
    [convolutional]
    batch_normalize=1
    filters=16
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=2
    
    [convolutional]
    batch_normalize=1
    filters=32
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=2
    
    [convolutional]
    batch_normalize=1
    filters=64
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=2
    
    [convolutional]
    batch_normalize=1
    filters=128
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=2
    
    [convolutional]
    batch_normalize=1
    filters=256
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=2
    
    [convolutional]
    batch_normalize=1
    filters=512
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=1
    
    [convolutional]
    batch_normalize=1
    filters=1024
    size=3
    stride=1
    pad=1
    activation=leaky
    
    ###########
    
    [convolutional]
    batch_normalize=1
    size=3
    stride=1
    pad=1
    filters=512
    activation=leaky
    
    [convolutional]
    size=1
    stride=1
    pad=1
    filters=30
    activation=linear
    
    [region]
    anchors =  0.57273, 0.677385, 1.87446, 2.06253, 3.33843, 5.47434, 7.88282, 3.52778, 9.77052, 9.16828
    bias_match=1
    classes=1
    coords=4
    num=5
    softmax=1
    jitter=.2
    rescore=0
    
    object_scale=5
    noobject_scale=1
    class_scale=1
    coord_scale=1
    
    absolute=1
    thresh = .6
    random=1

加注释后文件如下：

[net]
    # Testing
    # batch=1
    # subdivisions=1
    # Training
    batch=1                           #每batch个样本更新一次参数。每次迭代要进行训练的图片数量 。
    subdivisions=1                     #如果内存不够大，将batch分割为subdivisions个子batch，每个子batch的大小为batch/subdivisions。
                                       #在darknet代码中，会将batch/subdivisions命名为batch。
    width=416                          #Input图像的宽
    height=416                         #input图像的高
    channels=3                         #Input图像的通道数
    momentum=0.9                       #动量
    decay=0.0005                       #权重衰减正则项，防止过拟合
    angle=0                            #通过旋转角度来生成更多训练样本
    saturation = 1.5                   #通过调整饱和度来生成更多训练样本
    exposure = 1.5                     #通过调整曝光量来生成更多训练样本
    hue=.1                             #通过调整色调来生成更多训练样本
    
    learning_rate=0.0001               #初始学习率
    max_batches = 500200               #训练达到max_batches后停止学习
    policy=steps                       #调整学习率的policy，有如下policy：CONSTANT, STEP, EXP, POLY, STEPS, SIG, RANDOM
    steps=400000,450000                #根据batch_num调整学习率
    scales=10,.1,.1                    #学习率变化的比例，累计相乘
    
    [convolutional]
    batch_normalize=1                  #是否做BN
    filters=16                         #输出多少个特征图
    size=3                             #卷积核的尺寸
    stride=1                           #做卷积运算的步长
    pad=1                              #如果pad为0,padding由 padding参数指定。如果pad为1，padding大小为size/2
    activation=leaky                   #激活函数：
                                       #logistic，loggy，relu，elu，relie，plse，hardtan，lhtan，linear，ramp，leaky，tanh，stair
    
    [maxpool]
    size=2                             #池化层尺寸
    stride=2                           #池化步进
    
    [convolutional]
    batch_normalize=1
    filters=32
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=2
    
    [convolutional]
    batch_normalize=1
    filters=64
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=2
    
    [convolutional]
    batch_normalize=1
    filters=128
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=2
    
    [convolutional]
    batch_normalize=1
    filters=256
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=2
    
    [convolutional]
    batch_normalize=1
    filters=512
    size=3
    stride=1
    pad=1
    activation=leaky
    
    [maxpool]
    size=2
    stride=1
    
    [convolutional]
    batch_normalize=1
    filters=1024
    size=3
    stride=1
    pad=1
    activation=leaky
    
    #######
    
    [convolutional]
    batch_normalize=1
    size=3
    stride=1
    pad=1
    filters=1024
    activation=leaky
    
    [convolutional]
    batch_normalize=1
    size=3
    stride=1
    pad=1
    filters=512
    activation=leaky
    
    
    
    [convolutional]
    batch_normalize=1
    size=3
    stride=1
    pad=1
    filters=512
    activation=leaky
    
    [convolutional]
    size=1
    stride=1
    pad=1
    filters=125                        #region前最后一个卷积层的filters数是特定的，计算公式为filter=（classes + coords + 1）*5） 
                                       #5的意义是5个坐标，论文中的x,y,w,h,confidence 
    activation=linear
    
    [region]
    anchors = 0.57273, 0.677385, 1.87446, 2.06253, 3.33843, 5.47434, 7.88282, 3.52778, 9.77052, 9.16828          #预选框，可以手工挑选，
                                                                                    #也可以通过k means 从训练样本中学出
    bias_match=1
    classes=20                         #网络需要识别的物体种类数
    coords=4                           #每个box的4个坐标x,y,w,h
    num=5                              #每个grid cell预测几个box,和anchors的数量一致。当想要使用更多anchors时需要调大num，且如果调大num后训练时Obj趋近0的话可以尝试调大object_scale
    softmax=1                          #使用softmax做激活函数
    jitter=.2                          #通过抖动增加噪声来抑制过拟合
    rescore=1                          #暂理解为一个开关，非0时通过重打分来调整l.delta（预测值与真实值的差）
    
    object_scale=5                     #栅格中有物体时，bbox的confidence loss对总loss计算贡献的权重
    noobject_scale=1                   #栅格中没有物体时，bbox的confidence loss对总loss计算贡献的权重
    class_scale=1                      #类别loss对总loss计算贡献的权重                      
    coord_scale=1                      #bbox坐标预测loss对总loss计算贡献的权重
    
    absolute=1
    thresh = .6
    random=0                           #random为1时会启用Multi-Scale Training，随机使用不同尺寸的图片进行训练。

可能大家对于Batch还是不太理解，在这里我再着重说一下：

**Batch**，中文含义为“批”，一个batch由若干条数据构成。batch是进行网络优化的基本单位，网络参数的每一轮优化需要使用一个batch。batch中的样本是被并行处理的。

那就会有人有问题了，既然是并行处理，那我就多设置一点Batch，这样会不会更好呢？

其实对于Batch来说是分两方面的：

一方面，与单个样本相比，一个Batch的数据能更好的模拟数据集的分布，Batch越大，则对输入数据分布模拟的越好，反应在网络训练上，则体现为能让网络训练的方向“更加正确”，从这个方面来说，Batch越大，训练效果越好。

但另一方面，一个batch也只能让网络的参数更新一次，因此网络参数的迭代会较慢。

所以我们得出以下结论：**在测试网络的时候，在条件的允许的范围内尽量使用更大的Batch，这样计算效率会更高**。

大家有什么其他关于配置文件的问题可以给我留言哦，我们一起沟通交流。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_2FFF3F_t_70]: /images/20210516/0c54f91144fd485ea263020285500db1.png
[70]: /images/20210516/0fd19d8d47734bb2bd80029047d65126.png
[70 1]: /images/20210516/fcccf179b6034e328ab34fce9c87d308.png