yolo4参数和模型的对应详细说明，一看就懂系列

鼾声鼾语

于 2022-01-27 08:48:20 发布

阅读量1.1k

点赞数 1

分类专栏： IsaacSim及强化学习一看就懂系列和机器人\自动驾驶相关文章标签：深度学习 python pytorch

本文链接：https://blog.csdn.net/pvmsmfchcs/article/details/122711806

版权

IsaacSim及强化学习一看就懂系列和机器人\自动驾驶相关专栏收录该内容

204 篇文章 ¥89.90 ¥99.00

订阅专栏

这篇博客详细介绍了YOLOv4模型的参数设置，包括学习率(lr)、批处理尺寸(Batch_size)等，并提供了训练和测试模型的步骤。利用coco_classes.txt、voc_classes.txt等文件进行分类，通过predict.py和TS_detection.py进行预测和测试。此外，还提到了数据转换、CUDA的使用以及相关库的安装方法，如torch、torchvision和opencv-python。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

自带的分类和模型的的对应关系
coco_classes.txt yolo4.weight.pth
voc_classes.txt yolo4_voc_weigths.pth
TS_classes.txt Epoch100-Total_Loss3.8129-Val_Loss5.0751.pth
自带predict.py调用nets/yolo4.py

train.py做训练模型使用
参数说明：
lr：学习率
Batch_size：批处理尺寸，几张图片更新一次参数
Init_Epoch：起始记书数
Freeze_Epoch：训练到多少次冻结一下
TS_detection.py 做模型的输出测试，调用yolo.py文件（其中包含模型参数）

yolo.py中关键参数：
anchors_path ：目标匡的尺寸
classes_path：类别
model_image_size:模型尺寸固定，不能变动
confidence：置信度
iou：交并比

letterbox_image：暂时无用

通过标注生成的图片参数信息：
filename :图片名称
path：图片位置
width：宽度
height：高度
de

了解本专栏