修改YOLO-tiny结构之后（二）

1.修改完之后的Tiny网络有49层（23+26），检测尺度仍然是2626，1313；

2.训练：
1)这次将max_batches设置为80200；学习率在55000，65000时降低为原来的0.1;
还是使用VOC2007，2012数据集进行训练，将2007_test作为模型验证集。

2)训练完之后得到所有的权重文件my_yololite_final.weights等。
ps：若想在训练之后将训练过程中的IoU,mAP,recall等用图形可视化，可以在训练时利用类似下面的命令保存log文件：

./darknet detector train cfg/voc.data cfg/yolov3-tiny.cfg yolov3-tiny.conv.15  -gpus 0,1  2>1 | tee visualization/tiny_yolov3.log 

注意需要将命令中的参数改成自己训练的文件。
可视化可以参考YOLO训练中的可视化

3.利用训练好的模型进行测试
1)验证集下的recall：
可以直接调用Darknet框架下的命令：

./darknet detector recall cfg/voc.data cfg/yolov3-tiny-test.cfg backup/yolov3-tiny_70000.weights

输出结果：
2）计算mAP
主要参考YOLO中map值的计算
先进行验证生成results/*.txt

./darknet detector valid cfg/voc.data cfg/yolov3-tiny-test.cfg backup/yolov3-tiny_70000.weights -out "" -gpu 0 -thresh .5

然后利用voc_eval.py下载
新建compute_mAP.py文件测试即可出结果：
初学者暂时学到这了，有机会之后再更新。