本文共 5702 字，大约阅读时间需要 19 分钟。

如果你有什么问题，希望跟我能够一起交流，除了通过博客交流外，欢迎你加入我的QQ群，一起交流有关于机器学习、深度学习、计算机视觉有关内容。目前我并未确定具体的研究方向，所以现在 处于广泛涉猎阶段，希望我们能够一起沟通。下图是我的群二维码：

接下来我们进入正题。

在YOLO初体验中，应用到了一个后缀名为cfg的文件，在darknet中有一个文件夹，下面有各种各样的cfg文件

这些cfg文件都是YOLO的配置文件，负责YOLO所需数据集的训练工作，接下来，给大家详细讲解一下配置文件。讲解配置文件，我以 yolov2-tiny.cfg 文件为例。该文件具体内容如下：

[net]# Testing# batch=1# subdivisions=1# Training batch=1 subdivisions=1width=480height=480channels=3momentum=0.9decay=0.0005angle=0saturation = 1.5exposure = 1.5hue=.1learning_rate=0.001burn_in=1000max_batches = 500200policy=stepssteps=400000,450000scales=.1,.1[convolutional]batch_normalize=1filters=16size=3stride=1pad=1activation=leaky[maxpool]size=2stride=2[convolutional]batch_normalize=1filters=32size=3stride=1pad=1activation=leaky[maxpool]size=2stride=2[convolutional]batch_normalize=1filters=64size=3stride=1pad=1activation=leaky[maxpool]size=2stride=2[convolutional]batch_normalize=1filters=128size=3stride=1pad=1activation=leaky[maxpool]size=2stride=2[convolutional]batch_normalize=1filters=256size=3stride=1pad=1activation=leaky[maxpool]size=2stride=2[convolutional]batch_normalize=1filters=512size=3stride=1pad=1activation=leaky[maxpool]size=2stride=1[convolutional]batch_normalize=1filters=1024size=3stride=1pad=1activation=leaky###########[convolutional]batch_normalize=1size=3stride=1pad=1filters=512activation=leaky[convolutional]size=1stride=1pad=1filters=30activation=linear[region]anchors =  0.57273, 0.677385, 1.87446, 2.06253, 3.33843, 5.47434, 7.88282, 3.52778, 9.77052, 9.16828bias_match=1classes=1coords=4num=5softmax=1jitter=.2rescore=0object_scale=5noobject_scale=1class_scale=1coord_scale=1absolute=1thresh = .6random=1

加注释后文件如下：

[net]# Testing# batch=1# subdivisions=1# Trainingbatch=1                           #每batch个样本更新一次参数。每次迭代要进行训练的图片数量 。subdivisions=1                     #如果内存不够大，将batch分割为subdivisions个子batch，每个子batch的大小为batch/subdivisions。                                   #在darknet代码中，会将batch/subdivisions命名为batch。width=416                          #Input图像的宽height=416                         #input图像的高channels=3                         #Input图像的通道数momentum=0.9                       #动量decay=0.0005                       #权重衰减正则项，防止过拟合angle=0                            #通过旋转角度来生成更多训练样本saturation = 1.5                   #通过调整饱和度来生成更多训练样本exposure = 1.5                     #通过调整曝光量来生成更多训练样本hue=.1                             #通过调整色调来生成更多训练样本learning_rate=0.0001               #初始学习率max_batches = 500200               #训练达到max_batches后停止学习policy=steps                       #调整学习率的policy，有如下policy：CONSTANT, STEP, EXP, POLY, STEPS, SIG, RANDOMsteps=400000,450000                #根据batch_num调整学习率scales=10,.1,.1                    #学习率变化的比例，累计相乘[convolutional]batch_normalize=1                  #是否做BNfilters=16                         #输出多少个特征图size=3                             #卷积核的尺寸stride=1                           #做卷积运算的步长pad=1                              #如果pad为0,padding由 padding参数指定。如果pad为1，padding大小为size/2activation=leaky                   #激活函数：                                   #logistic，loggy，relu，elu，relie，plse，hardtan，lhtan，linear，ramp，leaky，tanh，stair[maxpool]size=2                             #池化层尺寸stride=2                           #池化步进[convolutional]batch_normalize=1filters=32size=3stride=1pad=1activation=leaky[maxpool]size=2stride=2[convolutional]batch_normalize=1filters=64size=3stride=1pad=1activation=leaky[maxpool]size=2stride=2[convolutional]batch_normalize=1filters=128size=3stride=1pad=1activation=leaky[maxpool]size=2stride=2[convolutional]batch_normalize=1filters=256size=3stride=1pad=1activation=leaky[maxpool]size=2stride=2[convolutional]batch_normalize=1filters=512size=3stride=1pad=1activation=leaky[maxpool]size=2stride=1[convolutional]batch_normalize=1filters=1024size=3stride=1pad=1activation=leaky#######[convolutional]batch_normalize=1size=3stride=1pad=1filters=1024activation=leaky[convolutional]batch_normalize=1size=3stride=1pad=1filters=512activation=leaky[convolutional]batch_normalize=1size=3stride=1pad=1filters=512activation=leaky[convolutional]size=1stride=1pad=1filters=125                        #region前最后一个卷积层的filters数是特定的，计算公式为filter=（classes + coords + 1）*5）                                    #5的意义是5个坐标，论文中的x,y,w,h,confidence activation=linear[region]anchors = 0.57273, 0.677385, 1.87446, 2.06253, 3.33843, 5.47434, 7.88282, 3.52778, 9.77052, 9.16828          #预选框，可以手工挑选，                                                                                #也可以通过k means 从训练样本中学出bias_match=1classes=20                         #网络需要识别的物体种类数coords=4                           #每个box的4个坐标x,y,w,hnum=5                              #每个grid cell预测几个box,和anchors的数量一致。当想要使用更多anchors时需要调大num，且如果调大num后训练时Obj趋近0的话可以尝试调大object_scalesoftmax=1                          #使用softmax做激活函数jitter=.2                          #通过抖动增加噪声来抑制过拟合rescore=1                          #暂理解为一个开关，非0时通过重打分来调整l.delta（预测值与真实值的差）object_scale=5                     #栅格中有物体时，bbox的confidence loss对总loss计算贡献的权重noobject_scale=1                   #栅格中没有物体时，bbox的confidence loss对总loss计算贡献的权重class_scale=1                      #类别loss对总loss计算贡献的权重                      coord_scale=1                      #bbox坐标预测loss对总loss计算贡献的权重absolute=1thresh = .6random=0                           #random为1时会启用Multi-Scale Training，随机使用不同尺寸的图片进行训练。

可能大家对于Batch还是不太理解，在这里我再着重说一下：

Batch，中文含义为“批”，一个batch由若干条数据构成。batch是进行网络优化的基本单位，网络参数的每一轮优化需要使用一个batch。batch中的样本是被并行处理的。

那就会有人有问题了，既然是并行处理，那我就多设置一点Batch，这样会不会更好呢？

其实对于Batch来说是分两方面的：

一方面，与单个样本相比，一个Batch的数据能更好的模拟数据集的分布，Batch越大，则对输入数据分布模拟的越好，反应在网络训练上，则体现为能让网络训练的方向“更加正确”，从这个方面来说，Batch越大，训练效果越好。

但另一方面，一个batch也只能让网络的参数更新一次，因此网络参数的迭代会较慢。

所以我们得出以下结论：在测试网络的时候，在条件的允许的范围内尽量使用更大的Batch，这样计算效率会更高。

大家有什么其他关于配置文件的问题可以给我留言哦，我们一起沟通交流。