voc2007数据集_YOLO-v3在VOC数据集上各类的AP

引自：https://blog.csdn.net/sum_nap/article/details/80493747

源码地址：pjreddie/darknet

训练指导：YOLO: Real-Time Object Detection

训练设备：Lenovo 拯救者；

GPU：1070ti；

显存：8GB；

训练数据：VOC 2007 ；VOC 2012。

数据来源及处理方式：YOLO: Real-Time Object Detection

第一次训练：采用默认参数，以预训练好的darknet53.conv.74.1为预加载权重开始训练；显存，卒；报错：out of memory；

第二次训练：更改参数，将batch降低一些试试，从64改成了48，当天运行平稳，于是去办了点事儿，两天回来后；显存，卒；报错：out of memory；提示已经训练了2w来个batch；

第三次训练：

先看看了参数到底什么含义（batch，subdivision），具体详见：https://blog.csdn.net/hrsstudy/article/details/65447947?utm_source=itdadao&utm_medium=referral

于是增大了subdivision，这样每次载入显存的图片数减少。并且监控GPU显存使用情况（70%左右的占用率࿰