Darknet训练YOLO V3输出日志log中各参数的意义

如上图，日志分为三部分

一、第一部分

第一行 ： 加载初始权重。
第二行 ：

1. Learning Rate：当前学习率，小数点后大于4位数后，用科学计数法表示。
2. Momentum：当前动量参数。
3. Decay：当前权重衰减正则项。

第三行 ： Resizing，对输入的图片进行标准化。
第四行 ： 不知道什么意思，但每次开始都会变，如果你知道，非常感谢在评论留言。
cfg配置文件里的random=1时（打开随机多尺度训练）的图片大小，这时图片的width=height，且在320到608之间随机取值，每10轮随机改变一次。（感谢 Jared� 在评论中的留言）

二、第二部分

1. 关于输出的整体数量

所有训练图片的一个批次（batch），批次大小根据在 .cfg 文件中设置的subdivisions参数确定。
比如 .cfg 文件中 batch = 12 ，subdivision = 4，输出则会有4组，每组往网络里输入3张图片。
可以看到，下面的截图
Region 82
Region 94
Region 106
三个为一组，一共4组。

其中，Region 82，Region 94， Region 106 表示三个不同尺度（82，94，106）上预测到的不同大小的参数。（具体细节还没理解，等理解了再补）

2. 各参数说明

参数	说明
Loaded	加载这一批次所用的时间。
Avg IOU	当前 subdivision 内，样本的平均IOU，期望该值趋近于1。
Class	标注物体分类的正确率，期望该值趋近于1。
Obj	期望该值趋近于1。
No Obj	期望该值越来越小但不为零。
.5R	= recall / count，当前模型在所有 subdivision 样本中检测出的正样本与实际正样本的比值。期望该值趋近1。
.75R	-
count	所有当前 subdivision 图片中包含正样本标签数量。 (有说是包含正样本图片数量，但有时会大于图片数量，由此认为是标签的数量，如有错误，欢迎留言)

三、第三部分

批输出：对这一批次的训练结果的说明。

参数	说明
22201	当前训练的迭代次数。
0.907749	总体损失（loss）值。
0.907749 avg	平均损失值，越小越好，一般来说，低于 0.060730 avg 就可以终止训练了。 （这个数字来自网络，如果您知道原因，请留言）
0.000001 rate	当前学习率。
5.067780 seconds	当前批次训练花费的总时间。
1776080 images	参与训练的图片总量次。 （不是图片的总张数，有的图片参加了好几次训练。）