目錄
關於maxbatches與學習率的關係，參看：darknet分類，遷移學習，還沒有達到預期，學習率降爲0了，怎麼破？
關於cfg文件參數說明，參看：Darknet模型中cfg文件理解與說明
第一訓練平安標註數據分析：
第一訓練模型參數：
batch= 16
subdivisions= 4
learning_rate=0.01
policy=poly
power=4
max_batches=250000
學習曲線：
訓練時間：2020年6月23日 16:00-2020年6月24日 10:00
訓練結果：
顯然，損失沒有下降，計算此時訓練epoch=（191400-152000）*16/29416=21次
其中：29416是本次訓練圖片張數，16是參數batch的值，每16張進行一次反向傳播。
如何設置epoch和學習率
設置的epotch100的時候結果還可以接受，當設置過大的時候結果反而變差了。
爲了防止快速陷入局部最優，最常用的方法就是使用較小的學習速率，也就是降低learning rate。learning rate小了，爲了將數據學充分，自然就要增加學習次數。也就是增加epoch.
batch一般用128，epoch是一般把數據集遍歷幾遍，大部分用10個epoch，剩下你就知道了
yolo v1的論文中，作者設置epoch爲130，學習速率也是根據epoch變化而變化的
如果設置epoch=128，那麼需要迭代的次數爲：29416*128/16=235328
其中16是batch的值，每次迭代訓練的圖片張數，128=epoch,29416是訓練的圖片總數
所以maxbatches=152000+235328=387328
這裏把maxbatches設置爲400000
batch= 16
subdivisions= 4
learning_rate=0.01
policy=poly
power=4
max_batches=400000
學習率變化曲線：
若學習率爲0.02，則學習曲線爲：
