基于YOLOV3的通用物体检测项目实战---（5）利用DarkNet框架进行YOLOV3模型训练实操（笔记）

cfg文件夹：

coco.data是能用到的配置文件

[net]
# Testing       #测试模式
 batch=1    
 subdivisions=1
# Training          #训练模式  每次前向图片的数目=batch/subdivisions
# batch=64          #关于batch与subdivision：
                    #在训练输出中，训练迭代包括8组，这些batch样本又被平均分成subdivision=8次送入网络参与训练，以减轻内存占用的压力
# subdivisions=16   #batch越大，训练效果越好，subdivision越大，占用内存压力越小

width=416        #网络输入的宽、高、通道数
height=416
channels=3      #这三个参数中，要求width==height, 并且为32的倍数，大分辨率可以检测到更加细小的物体，从而影响precision

momentum=0.9      #动量，影响梯度下降到最优的速度，一般默认0.9
decay=0.0005     #权重衰减正则系数，防止过拟合
angle=0          #旋转角度，从而生成更多训练样本 
saturation = 1.5   #调整饱和度，从而生成更多训练样本
exposure = 1.5      #调整曝光度，从而生成更多训练样本
hue=.1         #调整色调，从而生成更多训练样本