YOLO2训练

     YOLO2训练小记：

        用了600张图像，制作训练集，设置batch = 30，subdivisions = 6, 设置每10个batch后就输出一个中间模型，我把yolo-voc_20.weights，yolo-voc_30.weights，yolo-voc_40.weights分别test，yolo-voc_20.weights，yolo-voc_30.weights两个模型测试出来的结果，每张图有好多检测框，而且没有框到object，而yolo-voc_40.weights则没有检测框出来。还没找到原因。07-06-28

---------------------------------------------------------------------------------------------------------------

今天，上面的问题已解决。

一个是训练的程度未达到，一个是改用yolo-voc.2.0.cfg来训练。

之前只是想小规模训练看看效果，所以在cpu上进行训练，速度实在是龟速，今天改用gpu+CUDA+cudnn，大大提高速度，只设置6000次迭代，中间过程的拿来测试，总算是正常了。

Yolo2:cpu（i5）上速度是8~10s/帧，GPU（1060）上速度是1~2s/帧，加上CUDNN加速是30到80ms/帧。

内容已经上传至下载点击打开链接，请自行下载查阅,ps:之前有上传一份，后面查看图像都乱掉，不懂哪出问题。这里重新传了一份。

推荐看这些博文

http://blog.csdn.net/renhanchi/article/details/71077830

http://blog.csdn.net/ch_liu23/article/details/53558549#comments

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

20170801

整理了一些数据进行训练。发现两种情况，一是训练出来的模型检测效果非常好，置信度非常高，都要接近1，有很多是1，然鹅对于没有目标的图像进行检测也非常容易误检，且置信度也非常高，这可能就是过拟合了。二是训练出来的模型检测效果一般，比如对一些暗的，训练集没有的图像无法检测，而误检也是挺多。这应该就是没收敛或局部最优。

调整了一下训练样本分布，效果还是没有差多少，而且avg loss有时会在0.2左右徘徊不再下降。这两天终于有了进展，一，增加训练样本的数量和多样性，二，avg loss有时后稳定在一个较小数值是正常的，说明已经收敛到一定程度。但也要通过测试看看是不是过拟合了。根据自己的训练结果测试看，对于单一类别检测的情况，一般迭代到5000代，效果还不错，到10000代，再好一点，但是误检还是相对较多，判断是数据集还有训练的收敛度不够。

--------------------------------------------------------------------

20170901 训练样本增加，则iteration需要增加，这样检测率和误检率的综合效果较好，10000的样本需要5到10万的iteration

---------------------------------------------------------------------

20171030

根据我的训练样本情况，设置cfg文件中的迭代次数时，可以在较大的学习率时迭代次数设置大点，比如

steps=100,30000,50000,70000,100000
scales=10,.5,.1,0.5,0.5

这样收敛性比较好。最后loss可以降低到10的-2次方级别