yolov4.cfg — net 层
batch=16 # 每次batch训练时样本数量
subdivisions=16 # 将每一次batch的数量,分成subdivisions对应的数字的份数
#Training
#width=512
#height=512
width=608 # 网络的宽度,所以训练和检测期间,每张图片将会resize成网络的宽度(一般为32的倍数)
height=608 # 网络的高度,所以训练和检测期间,每张图片将会resize成网络的宽度(一般为32的倍数)
channels=3 #网络的通道数,所以训练和检测期间,每张图片将会被转化为这个通道数
momentum=0.949 #动量。影响梯度下降到最优的速度,一般默认为0.9
decay=0.0005 # 权重衰减正则系数,防止过拟合
angle=0 # 随机旋转角度,增加更多的样本数
saturation = 1.5 # 随机调整饱和度,增加更多的样本数
exposure = 1.5 # 随机调整曝光度,增加更多的样本数
hue=.1 #随机调整色调,增加更多的样本数
learning_rate=0.0013 # 初始学习率
burn_in=1000 # 学习率控制的参数,再迭代次数大于 burn_in时,采用policy的更新方式:0.001 * pow(iterations/1000, 4)
max_batches = 8000000 # 最大的迭代次数,将处理的最大迭代次数
policy=steps
steps=400000,450000 # 学习率变动步长,steps 和 scales 相互对应,这两个参数设置学习率的变化, 根据batch_num调整学习率
scales=.1,.1 ## 学习率变动因子,迭代到400000次时,学习率x0.1; 450000次迭代时,学习率又会在前一个学习率的基础上x0.1
#cutmix=1 # 用CutMix数据增强(只针对分类,不是检测)
mosaic=1 #用Mosaic 数据增强 (每次4张图片)