yolo3 配置文件修改 batch subdivisions

在cfg/YOLO3.cfg的文件上改,生成自己的cfg/yolo3-face.cfg

 1 [net]
 2 # Testing
 3 # batch=1
 4 # subdivisions=1
 5 # Training
 6 batch=64
 7 subdivisions=16
 8 width=416
 9 height=416
10 channels=3
11 momentum=0.9
12 decay=0.0005
13 angle=0
14 saturation = 1.5
15 exposure = 1.5
16 hue=.1

其中:

batch=64                          每batch个样本更新一次参数。

subdivisions=16               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。

训练的话把上面注释掉,测试就把训练部分的注释掉

  • 4
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
在OpenCV中使用YOLO进行物体检测时,需要加载YOLO配置文件。以下是一些关于如何配置YOLO文件的指导: 1. 配置文件的下载:可以从Darknet的官方GitHub仓库下载YOLO配置文件。在下载时,需要选择正确的版本(如YOLOv3或YOLOv4)和模型(如COCO或VOC),以确保配置文件与你的YOLO模型版本匹配。 2. 配置文件修改配置文件中包含了许多模型的参数和结构信息,可以根据需要进行修改。一些常见的修改包括: - 修改batchsubdivisions:这些参数决定了模型的训练和推理的批量大小和分割方式。在使用YOLO时,可以根据系统的性能和需求来修改这些参数,以获得更好的性能和准确性。 - 修改anchors:anchors是YOLO中用于预测物体位置和大小的锚点。在训练模型时,可以根据数据集的特点和目标物体的大小范围来选择合适的anchors,以提高模型的准确性和泛化能力。 - 修改类别数目:在使用YOLO进行物体检测时,需要指定模型所能检测的类别数目。在配置文件中,需要修改classes参数来指定类别数目,并在模型训练时提供包含类别名称的文件。 3. 配置文件的加载:在OpenCV中加载YOLO配置文件时,可以使用cv::dnn::readNetFromDarknet()函数来读取配置文件和权重文件。需要注意的是,配置文件和权重文件需要位于同一目录下,并且需要指定正确的文件名。 ```cpp std::string cfg_file = "path/to/yolov3.cfg"; std::string weights_file = "path/to/yolov3.weights"; cv::dnn::Net net = cv::dnn::readNetFromDarknet(cfg_file, weights_file); ``` 以上是关于如何配置YOLO文件的一些指导,希望能对你有所帮助。如果你需要更多帮助,可以参考OpenCV和YOLO的文档或社区,或者联系它们的开发者。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值