學習率調整，我一般遵循先大後小，多次實驗
初始訓練收斂慢，但在收斂，學習率增大
初始訓練，map跳動，降低學習率
訓練一段時間後，不再收斂，先減小學習率繼續訓練，看效果，一般會很慢收斂的，不行再小幅度增大學習率（防止陷入區域性最優）
bs 一般為32 16 64 ，多試
學習率的初始為0.0015 上下
iou 閾值：可0.5-0.7適當調整
不建議修改網路結構，比如（新增注意力，採用，增加，修改，刪除其他block）,時間算力充裕的例外
網路裁剪適用與需要模型size小的專案，減通道可大幅減小模型大小，但推理速度變化不大，減層對模型推理加速明顯，如果模型較為複雜（檢測的種類多），建議採用trt,量化等其他優化方案
YOLO演算法總結
步驟 1.輸入 608,608,3 2.經過cnn處理，輸出 19,19,5,85 3.展開以上矩陣後為 19,19,425 每個19 19的網格裡有425個數字 425 5 85，每個網格裡有5個achor box，achor box中有85個數字 85 5 80，pc,bx,by,bw,bh,c...
YOLO系列總結
2018 december 04 yolo系列總結 相比 rcnn系列，yolo 系列的主要缺點 主要原因是每個網格 固定數量的物體使候選框數量減少 yolo v1 yolo v2 darknet19 yolo v3 darknet53 yolo v1 無 yolo v2 維度拼接，一次，第 16 ...
我的yolo系列總結
探索資料集製作過程中的一些筆記。處理時基本都是利用excel，txt，csv進行，更新中。主要記錄了一些txt的合併，後來發現對於乙個python不是很熟的人，其實結合excel更快 主要記錄了一些如果資料集是按照類別放的話，直接讀取不是很方便，但是將目錄拼起來直接讀取更方便些 主要記錄了一些批量修...