Darknet訓練YOLO V3輸出日誌log中各參數的意義

如上圖，日誌分爲三部分

1、第一部分

第一行 ： 加載初始權重。
第二行 ：

1. Learning Rate：當前學習率，小數點後大於4位數後，用科學計數法表示。
2. Momentum：當前動量參數。
3. Decay：當前權重衰減正則項。

第三行 ： Resizing，對輸入的圖片進行標準化。
第四行 ： cfg配置文件裏的random=1時（打開隨機多尺度訓練）的圖片大小，這時圖片的width=height，且在320到608之間隨機取值，每10輪隨機改變一次。

2、第二部分

1. 關於輸出的總體數量

全部訓練圖片的一個批次（batch），批次大小根據在 .cfg 文件中設置的subdivisions參數肯定。
好比 .cfg 文件中 batch = 12 ，subdivision = 4，輸出則會有4組，每組往網絡裏輸入3張圖片。
能夠看到，下面的截圖
Region 82
Region 94
Region 106
三個爲一組，一共4組。

其中，Region 82，Region 94， Region 106 表示三個不一樣尺度（82，94，106）上預測到的不一樣大小的參數。（具體細節還沒理解，等理解了再補）

2. 各參數說明

參數	說明
Loaded	加載這一批次所用的時間。
Avg IOU	當前 subdivision 內，樣本的平均IOU，指望該值趨近於1。
Class	標註物體分類的正確率，指望該值趨近於1。
Obj	指望該值趨近於1。
No Obj	指望該值愈來愈小但不爲零。
.5R	= recall / count，當前模型在全部 subdivision 樣本中檢測出的正樣本與實際正樣本的比值。指望該值趨近1。
.75R	-
count	全部當前 subdivision 圖片中包含正樣本標籤數量。 (有說是包含正樣本圖片數量，但有時會大於圖片數量，由此認爲是標籤的數量，若有錯誤，歡迎留言)

3、第三部分

批輸出：對這一批次的訓練結果的說明。

參數	說明
22201	當前訓練的迭代次數。
0.907749	整體損失（loss）值。
0.907749 avg	平均損失值，越小越好，通常來講，低於 0.060730 avg 就能夠終止訓練了。 （這個數字來自網絡，若是您知道緣由，請留言）
0.000001 rate	當前學習率。
5.067780 seconds	當前批次訓練花費的總時間。
1776080 images	參與訓練的圖片總量次。（不是圖片的總張數，有的圖片參加了好幾回訓練。）