YOLO2訓練

     YOLO2訓練小記：

        用了600張影象，製作訓練集，設定batch = 30，subdivisions = 6, 設定每10個batch後就輸出一箇中間模型，我把yolo-voc_20.weights，yolo-voc_30.weights，yolo-voc_40.weights分別test，yolo-voc_20.weights，yolo-voc_30.weights兩個模型測試出來的結果，每張圖有好多檢測框，而且沒有框到object，而yolo-voc_40.weights則沒有檢測框出來。還沒找到原因。07-06-28

---------------------------------------------------------------------------------------------------------------

今天，上面的問題已解決。

一個是訓練的程度未達到，一個是改用yolo-voc.2.0.cfg來訓練。

之前只是想小規模訓練看看效果，所以在cpu上進行訓練，速度實在是龜速，今天改用gpu+CUDA+cudnn，大大提高速度，只設定6000次迭代，中間過程的拿來測試，總算是正常了。

Yolo2:cpu（i5）上速度是8~10s/幀，GPU（1060）上速度是1~2s/幀，加上CUDNN加速是30到80ms/幀。

內容已經上傳至下載點選開啟連結，請自行下載查閱,ps:之前有上傳一份，後面檢視影象都亂掉，不懂哪出問題。這裡重新傳了一份。

推薦看這些博文

http://blog.csdn.net/renhanchi/article/details/71077830

http://blog.csdn.net/ch_liu23/article/details/53558549#comments

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

20170801

整理了一些資料進行訓練。發現兩種情況，一是訓練出來的模型檢測效果非常好，置信度非常高，都要接近1，有很多是1，然鵝對於沒有目標的影象進行檢測也非常容易誤檢，且置信度也非常高，這可能就是過擬合了。二是訓練出來的模型檢測效果一般，比如對一些暗的，訓練集沒有的影象無法檢測，而誤檢也是挺多。這應該就是沒收斂或區域性最優。

調整了一下訓練樣本分佈，效果還是沒有差多少，而且avg loss有時會在0.2左右徘徊不再下降。這兩天終於有了進展，一，增加訓練樣本的數量和多樣性，二，avg loss有時後穩定在一個較小數值是正常的，說明已經收斂到一定程度。但也要通過測試看看是不是過擬合了。根據自己的訓練結果測試看，對於單一類別檢測的情況，一般迭代到5000代，效果還不錯，到10000代，再好一點，但是誤檢還是相對較多，判斷是資料集還有訓練的收斂度不夠。

--------------------------------------------------------------------

20170901 訓練樣本增加，則iteration需要增加，這樣檢測率和誤檢率的綜合效果較好，10000的樣本需要5到10萬的iteration

---------------------------------------------------------------------

20171030

根據我的訓練樣本情況，設定cfg檔案中的迭代次數時，可以在較大的學習率時迭代次數設定大點，比如

steps=100,30000,50000,70000,100000
scales=10,.5,.1,0.5,0.5

這樣收斂性比較好。最後loss可以降低到10的-2次方級別