【口罩识别三】关于train.py的一些解释

---

前言

主要用作毕设的学习过程记录

---

一、一些参数的解释

1. input_shape是指定输入到网络中的图片尺寸大小，可以在416，416到608，608两个值之间修改。

2. mosaic值是否启用马赛克数据增强功能。

3. Cosine_scheduler 余弦退火学习率。

4. label_smoothing 标签平滑。

5. anchors_path指的是yoloV4中总共九种大小的鲜艳框，每个网格上默认有三个鲜艳框。

6. classes_path指向要分的类的标签文件。比如我这里是分是否戴口罩，则为face与face_masked。
   
   每两个数值为一种鲜艳框大小。

7. num_classes计算分的标签类的个数。

8. YoloBody创建yolo4的模型。

9. 最下方的这个大框是预训练好的一些权重，可以加快我们训练模型的速度。
   
   

10. Cuda这个是判断是否启用Cuda。

11. loss这里是对每一个特征层进行一个loss的计算。

12. annotation_path中是指向训练文件的绝对路径，后面的数字是代表图像中我们所要找的内容的位置。

13. 对总的文件进行一个训练集和验证集的划分。

最后，先冻结一部分用10的-3次方进行训练，之后解冻再用10的-4次方进行验证。如果想要网络更细致，可以在之后进行10的-5次方进行训练。

总结