Darknet模型中cfg文件理解与说明

更多darknet文章：darknet学习笔记

目标检测yolo3.cfg文件

★ [xxx]开始的行表示网络的一层，其后的内容为该层的参数配置，[net]为特殊的层，配置整个网络

★ #号开头的行为注释行，在解析cfg的文件时会忽略该行

[net]
# Testing
batch=1
subdivisions=1
# Training
# batch=64
# subdivisions=16
width=416
height=416
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

 ★ 这儿batch与机器学习中的batch有少许差别，仅表示网络积累多少个样本后进行一次BP 

 ★ 这个参数表示将一个batch的图片分sub次完成网络的前向传播                             

★★ 敲黑板：在Darknet中，batch和sub是结合使用的，例如这儿的batch=64，sub=16表示训练的过程中将一次性加载64张图片进内存，然后分16次完成前向传播，意思是每次4张，前向传播的循环过程中累加loss求平均，待64张图片都完成前向传播后，再一次性后传更新

★★★ 调参经验：sub一般设置16，不能太大或太小，且为8的倍数，其实也没啥硬性规定，看着舒服就好batch的值可以根据显存占用情况动态调整，一次性加减sub大小即可，通常情况下batch越大越好，还需注意一点，在测试的时候batch和sub都设置为1，避免发生神秘错误！

batch=64                    
subdivisions=16   

★ 网络输入的宽width      ★ 网络输入的高height     ★ 网络输入的通道数channels

 ★★★ width和height一定要为32的倍数，否则不能加载网络

★ 提示：width也可以设置为不等于height，通常情况下，width和height的值越大，对于小目标的识别效果越好，但受到了显存的限制，读者可以自行尝试不同组合

★ 动量 DeepLearning1中最优化方法中的动量参数，这个值影响着梯度下降到最优值得速度

 ★ 权重衰减正则项，防止过拟合

momentum=0.9                 
decay=0.0005   

★ 数据增强参数，通过旋转角度、饱和度、曝光量、色调来生成更多训练样本，angle：选择角度，saturation：饱和度，exposure：曝光量，hue:色调。

angle=0                      
saturation = 1.5            
exposure = 1.5               
hue=.1   

 ★ 学习率决定着权值更新的速度，设置得太大会使结果超过最优值，太小会使下降速度过慢。如果仅靠人为干预调整参数，需要不断修改学习率。刚开始训练时可以将学习率设置的高一点，而一定轮数之后，将其减小在训练过程中，一般根据训练轮数设置动态变化的学习率。刚开始训练时：学习率以 0.01 ~ 0.001 为宜。一定轮数过后：逐渐减缓

 接近训练结束：学习速率的衰减应该在100倍以上。

学习率的调整参考https://blog.csdn.net/qq_33485434/article/details/80452941

 ★★★ 学习率调整一定不要太死，实际训练过程中根据loss的变化和其他指标动态调整，手动ctrl+c结束此次训练后，修改学习率，再加载刚才保存的模型继续训练即可完成手动调参，调整的依据是根据训练日志来，如果loss波动太大，说明学习率过大，适当减小，变为1/5，1/10均可，如果loss几乎不变，可能网络已经收敛或者陷入了局部极小，此时可以适当增大学习率，注意每次调整学习率后一定要训练久一点，充分观察，调参是个细活，慢慢琢磨

★★ 一点小说明：实际学习率与GPU的个数有关，例如你的学习率设置为0.001，如果你有4块GPU，那真实学习率为0.001/4

learning_rate=0.001  

★ 在迭代次数小于burn_in时，其学习率的更新有一种方式，大于burn_in时，才采用policy的更新方式

 ★ 训练次数达到max_batches后停止学习，一次为跑完一个batch

burn_in=1000                 
max_batches = 500200   

 ★ 学习率调整的策略：constant, steps, exp, poly, step, sig, RANDOM，constant等方式参考https://nanfei.ink/2018/01/23/YOLOv2%E8%B0%83%E5%8F%82%E6%80%BB%E7%BB%93/#moreSS

 ★ steps和scale是设置学习率的变化，比如迭代到400000次时，学习率衰减十倍，45000次迭代时，学习率又会在前一个学习率的基础上衰减十倍

policy=steps                
steps=400000,450000          
scales=.1,.1    

★ 一层卷积层的配置说明

★ 是否进行BN处理，什么是BN此处不赘述，1为是，0为不是 

★ filters:卷积核个数，也是输出通道数;size:卷积核尺寸；stride：卷积步长

★ 卷积时是否进行0 padding,padding的个数与卷积核尺寸有关，为size/2向下取整，如3/2=1

★ 网络层激活函数activation

★★ 卷积核尺寸3*3配合padding且步长为1时，不改变feature map的大小

[convolutional]             
batch_normalize=1            
filters=32                   
size=3                       
stride=1                     
pad=1                       
activation=leaky  

 ★ 与前面的多少次进行融合，-3表示前面第三层

★ shotcut层配置说明

[shortcut]                   
from=-3                     
activation=linear            ★ 层次激活函数

 ★ filters=num(预测框个数)*(classes+5)，5的意义是4个坐标加一个置信率，论文中的tx,ty,tw,th, c，classes为类别数，COCO为80,num表示YOLO中每个cell预测的框的个数，YOLOV3中为3
 ★★★ 自己使用时，此处的值一定要根据自己的数据集进行更改，例如你识别4个类，则：filters=3*(4+5)=27,三个fileters都需要修改，切记

[convolutional]              ★ YOLO层前面一层卷积层配置说明
size=1
stride=1
pad=1
filters=255                 
activation=linear

★  使用anchor的索引，0，1，2表示使用下面定义的anchors中的前三个anchor
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326 

★ 每个grid cell总共预测几个box,和anchors的数量一致。当想要使用更多anchors时需要调大num

★ 数据增强手段，此处jitter为随机调整宽高比的范围，该参数不好理解，在我的源代码注释中有详细说明

 ★ 参与计算的IOU阈值大小.当预测的检测框与ground true的IOU大于ignore_thresh的时候，参与loss的计算，否则，检测框的不参与损失计算。

 ★ 理解：目的是控制参与loss计算的检测框的规模，当ignore_thresh过于大，接近于1的时候，那么参与检测框回归loss的个数就会比较少，同时也容易造成过拟合；而如果ignore_thresh设置的过于小，那么参与计算的会数量规模就会很大。同时也容易在进行检测框回归的时候造成欠拟合。

 ★ 参数设置：一般选取0.5-0.7之间的一个值，之前的计算基础都是小尺度（13*13）用的是0.7，（26*26）用的是0.5。这次先将0.5更改为0.7。参考：https://www.e-learn.cn/content/qita/804953

 ★ 为1打开随机多尺度训练，为0则关闭。

★★ 提示：当打开随机多尺度训练时，前面设置的网络输入尺寸width和height其实就不起作用了，width会在320到608之间随机取值，且width=height，没10轮随机改变一次，一般建议可以根据自己需要修改随机尺度训练的范围，这样可以增大batch，望读者自行尝试！
 

[yolo]                       ★ YOLO层配置说明
mask = 0,1,2                   
classes=80                   ★ 类别数目
num=9                        
jitter=.3                    
ignore_thresh = .7
truth_thresh = 1           
                            
random=1                    

图像分类darknet19448.cfg

[net]
#batch=128
#subdivisions=4
batch=1
subdivisions=1
height=448
width=448
max_crop=512
channels=3
momentum=0.9
decay=0.0005

learning_rate=0.001
policy=poly
power=4
max_batches=100000

angle=7
hue = .1
saturation=.75
exposure=.75
aspect=.75

参考文献：

https://blog.csdn.net/tintinetmilou/article/details/88823821