用yolov3 VOC训练自己的数据时出现的问题及解决方法

1.问题：各种out of memory

可能的原因：电脑显存不够，batch比较大，或者开了random = 1的时候带不动.

解决方法：darknet/cfg/yolov3-voc.cfg 文件最后面random = 0;，如果还不行就减小batch，以及减小batch/subdivisions。

2.问题：训练过程中出现大量的nan -nan,loss,avg啥啥都是nan

可能的原因：（1）batch比较小，可以改为64，或者128，都是正常的；

（2）scales 设置的不对，导致步长变大，结果就不收敛了；

（3）看到网上有说是因为官方的预训练权重可能与你的相差比较大，可以自己从头训练，但我觉得先试试其他方法再问最后自己训练吧。

解决方法：我是因为看了知网-水果识别的例子，用了他的steps和scales，所以训练到1000次的时候rate猛增10倍，然后就振荡发散了，所以后来修改好了再在第900的基础上继续训练就没问题了。

---

[net]
# Testing
# batch=1
# subdivisions=1
# Training       # 训练的时候把Testing的参数注释掉，把Training的参数取消注释
batch=64
subdivisions=16
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

learning_rate=0.001          # 根据需要修改学习率，就是梯度下降的速率，越大训练速度越快但会牺牲准确率
burn_in=1000
max_batches = 100000     # 训练的总次数
policy=steps
steps=100,10000,70000,80000,90000        # 训练到相应次数后学习率变化
scales=10,10,.1,.1,.1        # 学习率变化情况，是累乘操作
#以上为知网-水果识别中摘取，但不适合我的训练数据，所以修改为下面的代码

---

[net]
# Testing
#  batch=1
#  subdivisions=1
# Training
batch=64
subdivisions=16
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

learning_rate=0.001
burn_in=1000
# max_batches = 50200
max_batches = 100000
policy=steps
steps=40000,45000
scales=.1,.1
# 其实就是yolov3默认的参数设置