YOLO2訓練小記：
用了600張圖像，製作訓練集，設置batch = 30，subdivisions = 6, 設置每10個batch後就輸出一箇中間模型，我把yolo-voc_20.weights，yolo-voc_30.weights，yolo-voc_40.weights分別test，yolo-voc_20.weights，yolo-voc_30.weights兩個模型測試出來的結果，每張圖有好多檢測框，而且沒有框到object，而yolo-voc_40.weights則沒有檢測框出來。還沒找到原因。07-06-28
---------------------------------------------------------------------------------------------------------------
今天，上面的問題已解決。
一個是訓練的程度未達到，一個是改用yolo-voc.2.0.cfg來訓練。
之前只是想小規模訓練看看效果，所以在cpu上進行訓練，速度實在是龜速，今天改用gpu+CUDA+cudnn，大大提高速度，只設置6000次迭代，中間過程的拿來測試，總算是正常了。
Yolo2:cpu（i5）上速度是8~10s/幀，GPU（1060）上速度是1~2s/幀，加上CUDNN加速是30到80ms/幀。
內容已經上傳至下載點擊打開鏈接，請自行下載查閱,ps:之前有上傳一份，後面查看圖像都亂掉，不懂哪出問題。這裏重新傳了一份。
http://blog.csdn.net/renhanchi/article/details/71077830
http://blog.csdn.net/ch_liu23/article/details/53558549#comments
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
20170801
整理了一些數據進行訓練。發現兩種情況，一是訓練出來的模型檢測效果非常好，置信度非常高，都要接近1，有很多是1，然鵝對於沒有目標的圖像進行檢測也非常容易誤檢，且置信度也非常高，這可能就是過擬合了。二是訓練出來的模型檢測效果一般，比如對一些暗的，訓練集沒有的圖像無法檢測，而誤檢也是挺多。這應該就是沒收斂或局部最優。
調整了一下訓練樣本分佈，效果還是沒有差多少，而且avg loss有時會在0.2左右徘徊不再下降。這兩天終於有了進展，一，增加訓練樣本的數量和多樣性，二，avg loss有時後穩定在一個較小數值是正常的，說明已經收斂到一定程度。但也要通過測試看看是不是過擬合了。根據自己的訓練結果測試看，對於單一類別檢測的情況，一般迭代到5000代，效果還不錯，到10000代，再好一點，但是誤檢還是相對較多，判斷是數據集還有訓練的收斂度不夠。
--------------------------------------------------------------------
20170901 訓練樣本增加，則iteration需要增加，這樣檢測率和誤檢率的綜合效果較好，10000的樣本需要5到10萬的iteration
---------------------------------------------------------------------
20171030
根據我的訓練樣本情況，設置cfg文件中的迭代次數時，可以在較大的學習率時迭代次數設置大點，比如
steps=100,30000,50000,70000,100000
scales=10,.5,.1,0.5,0.5
這樣收斂性比較好。最後loss可以降低到10的-2次方級別