YOLO基础教程（九）：YOLO训练过程中一些知识点

记录一些训练过程中用到的命令，知识点，以便后期查阅：

1.可视化网络模型的软件：Netron   https://github.com/lutzroeder/Netron 

   yolov3-tiny模型：

2.模型预训练权重：

具体训练步骤参考官网voc数据集和coco数据集训练方法：https://pjreddie.com/darknet/yolo/

YOLO V3:https://pjreddie.com/media/files/darknet53.conv.74

YOLO-tiny转化预训练权重：

./darknet partial cfg/yolov3-tiny yolov3-tiny.weights yolov-tiny.conv.15 15 

多GPU训练: 

./darknet detector train cfg/voc.data cfg/yolov3-tiny.cfg yolov3-tiny.conv.15  -gpus 0,1

从checkpoint继续训练：

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc.backup -gpus 0,1

生成loss-iter曲线（预先创建一个 visualization 文件夹）：

./darknet detector train cfg/voc.data cfg/yolov3-tiny.cfg yolov3-tiny.conv.15  -gpus 0,1  2>1 | tee visualization/tiny_yolov3.log 

3.训练log解析：

Region 94  Avg IOU: 0.725307,     Class: 0.830,    Obj: 0.506, No Obj: 0.000, .5R: 1.000, .75R: 0.750, count: 4
layer索引      平均交并比        标注物体的分类准确率        Obj 越大越好       IOU=0.5为阈值时候的recall  正样本数目                

2: 84.804230, 575.267700 avg, 0.001000 rate,    5.959159 seconds,  128 images
iter  总损失      平均损失           学习率           花费时间      参与训练的图片总数