yolov4.cfg — net 層

batch=16 # 每次batch訓(xùn)練時(shí)樣本數(shù)量 subdivisions=16 # 將每一次batch的數(shù)量，分成subdivisions對(duì)應(yīng)的數(shù)字的份數(shù) #Training #width=512 #height=512 width=608 # 網(wǎng)絡(luò)的寬度，所以訓(xùn)練和檢測(cè)期間，每張圖片將會(huì)resize成網(wǎng)絡(luò)的寬度（一般為32的倍數(shù)） height=608 # 網(wǎng)絡(luò)的高度，所以訓(xùn)練和檢測(cè)期間，每張圖片將會(huì)resize成網(wǎng)絡(luò)的寬度（一般為32的倍數(shù)） channels=3 #網(wǎng)絡(luò)的通道數(shù)，所以訓(xùn)練和檢測(cè)期間，每張圖片將會(huì)被轉(zhuǎn)化為這個(gè)通道數(shù) momentum=0.949 #動(dòng)量。影響梯度下降到最優(yōu)的速度，一般默認(rèn)為0.9 decay=0.0005 # 權(quán)重衰減正則系數(shù)，防止過擬合 angle=0 # 隨機(jī)旋轉(zhuǎn)角度，增加更多的樣本數(shù) saturation = 1.5 # 隨機(jī)調(diào)整飽和度，增加更多的樣本數(shù) exposure = 1.5 # 隨機(jī)調(diào)整曝光度，增加更多的樣本數(shù) hue=.1 #隨機(jī)調(diào)整色調(diào)，增加更多的樣本數(shù)learning_rate=0.0013 # 初始學(xué)習(xí)率 burn_in=1000 # 學(xué)習(xí)率控制的參數(shù)，再迭代次數(shù)大于 burn_in時(shí)，采用policy的更新方式：0.001 * pow(iterations/1000, 4) max_batches = 8000000 # 最大的迭代次數(shù)，將處理的最大迭代次數(shù) policy=steps steps=400000,450000 # 學(xué)習(xí)率變動(dòng)步長(zhǎng)，steps 和 scales 相互對(duì)應(yīng)，這兩個(gè)參數(shù)設(shè)置學(xué)習(xí)率的變化, 根據(jù)batch_num調(diào)整學(xué)習(xí)率 scales=.1,.1 ## 學(xué)習(xí)率變動(dòng)因子，迭代到400000次時(shí)，學(xué)習(xí)率x0.1; 450000次迭代時(shí)，學(xué)習(xí)率又會(huì)在前一個(gè)學(xué)習(xí)率的基礎(chǔ)上x0.1 #cutmix=1 # 用CutMix數(shù)據(jù)增強(qiáng)（只針對(duì)分類，不是檢測(cè)） mosaic=1 #用Mosaic 數(shù)據(jù)增強(qiáng) （每次4張圖片）

總結(jié)

以上是生活随笔為你收集整理的Yolov4 cfg参数解读的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。