yolov3和yoloV4工具包易语言免cuda环境调用包无需繁琐的搭建环境直接使用

此工具来源于B站搬砖王 发布,一哥只是觉得挺好用就分享给玩YOLO的朋友们,

视频中所用软件工具和模块均为原创,非破解软件。此视频演示了易语言无需任何环境,任何电脑直接加载模块(26M),即可实现GPU调用的方式。演示电脑CPU为I5-12400F,GPU为GTX3060。yolo综合工具为作者原创,免费分享给大家,

 

-----------------------训练说明-----------------------

batch:显存越小调越小 2.4.8.16.32.64 显存不够可减小,但会出现Nan问题(解决办法:增大batch)。
subdivisions:显存越小调越大 2.4.8.16.32.64 训练迭代包含16组,每组4张图片。
filters:3*(类别数量+5)----自动对齐设置软件训练无需填改。
classes:类别数量----自动对齐设置软件训练无需填改。
random:如果显存很小,将random设置为0,关闭多尺度训练。

参数说明:

-----------------------yolov3cfg解释说明-----------------------

[net]                 ★ [xxx]开始的行表示网络的一层,其后的内容为该层的参数配置,[net]为特殊的层,配置整个网络。
# Testing
# batch=1
# subdivisions=1
# Training            ★ #号开头的行为注释行,在解析cfg的文件时会忽略该行。
batch=64              ★ 这儿batch与机器学习中的batch有少许差别,仅表示网络积累多少个样本后进行一次BP。
subdivisions=16       ★ 这个参数表示将一个batch的图片分sub次完成网络的前向传播。
#batch和subdivision   ★ 在训练输出中,训练迭代包括8组,这些batch样本又被平均分成subdivision=8次送入网络参与训练,
                         以减轻内存占用的压力;batch越大,训练效果越好,subdivision越大,占用内存压力越小。
width=416             ★ 网络输入的宽width,一定要为32的倍数,否则不能加载网络,该值越大,识别效果越好。
height=416            ★ 网络输入的高height,一定要为32的倍数,否则不能加载网络,该值越大,识别效果越好。
channels=3            ★ 网络输入的通道数channels。
momentum=0.9          ★ 动量 DeepLearning1中最优化方法中的动量参数,这个值影响着梯度下降到最优值得速度。
decay=0.0005          ★ 权重衰减正则项,防止过拟合。
angle=0               ★ 数据增强参数,通过旋转角度来生成更多训练样本。
saturation = 1.5      ★ 数据增强参数,通过调整饱和度来生成更多训练样本。
exposure = 1.5        ★ 数据增强参数,通过调整曝光量来生成更多训练样本。
hue=.1                ★ 数据增强参数,通过调整色调来生成更多训练样本。
learning_rate=0.001   ★ 学习率决定着权值更新的速度,设置得太大会使结果超过最优值,太小会使下降速度过慢。
burn_in=1000          ★ 在迭代次数小于burn_in时,其学习率的更新有一种方式,大于burn_in时,才采用policy的更新方式。
max_batches = 500200  ★ 训练次数达到max_batches后停止学习,一次为跑完一个batch。
policy=steps          ★ 学习率调整的策略:constant, steps, exp, poly, step, sig, RANDOM,constant等方式。
scales=.1,.1          ★ steps和scale是设置学习率的变化,比如迭代到400000次时,学习率衰减十倍,45000次迭代时,学习
                         率又会在前一个学习率的基础上衰减十倍。
[convolutional]       ★ 一层卷积层的配置说明。
batch_normalize=1     ★ 是否进行BN处理,什么是BN此处不赘述,1为是,0为不是。
filters=32            ★ 卷积核个数,也是输出通道数。
size=3                ★ 卷积核尺寸。
stride=1              ★ 卷积步长。
pad=1                 ★ 卷积时是否进行0 padding,padding的个数与卷积核尺寸有关,为size/2向下取整,如3/2=1。
activation=leaky      ★ 网络层激活函数。
# Downsample
[convolutional]       ★ 下采样层的配置说明。
batch_normalize=1
filters=64
size=3
stride=2
pad=1
activation=leaky      ★ 卷积核尺寸为3*3,配合padding且步长为2时,feature map变为原来的一半大小。
[shortcut]            ★ shotcut层配置说明。
from=-3               ★ 与前面的多少次进行融合,-3表示前面第三层。
activation=linear     ★ 层次激活函数。
[convolutional]       ★ YOLO层前面一层卷积层配置说明。
size=1
pad=1
filters=255           ★ filters=num(预测框个数)*(classes+5),5的意义是4个坐标加一个置信率,论文中的tx,ty,tw,th,c,classes为 
                         类别数,COCO为80,num表示YOLO中每个cell预测的框的个数。
yolov3和yoloV4工具包易语言面cuda环境调用包无需繁琐的搭建环境直接使用

yolov3和yoloV4工具包易语言面cuda环境调用包无需繁琐的搭建环境直接使用

下载权限

查看
  • 免费下载
    评论并刷新后下载
    登录后下载

查看演示

  • {{attr.name}}:
您当前的等级为
登录后免费下载登录 小黑屋反思中,不准下载! 评论后刷新页面下载评论 支付以后下载 请先登录 您今天的下载次数(次)用完了,请明天再来 支付积分以后下载立即支付 支付以后下载立即支付 您当前的用户组不允许下载升级会员
您已获得下载权限 您可以每天下载资源次,今日剩余

给TA打赏
共{{data.count}}人
人已打赏
PC软件工具仓库手机工具手机操作精品软件脚本开发工具

安卓投屏软件:Anlink史上最牛X投屏工具安装使用教程

2022-9-28 16:13:40

按键精灵脚本开发

按键精灵:如何给自己的脚本加上一个如autojs一样的悬浮窗日志附源代码

2022-11-21 13:17:57

重要声明

本站资源大多来自网络,如有侵犯你的权益请联系管理员,我们会第一时间进行审核删除。站内资源为网友个人学习或测试研究使用,未经原版权作者许可,禁止用于任何商业途径!请在下载24小时内删除!

按键精灵加交流群1:财神汇脚本开发交流群 按键精灵加交流群2:财神汇脚本开发交流群 Easyclick开发交流群:EasyClick学习交流群


如果遇到付费才可观看的文章,建议升级会员或者成为认证用户。全站所有资源任意下免费看本站资源少部分采用7z压缩为防止有人压缩软件不支持7z格式7z解压,建议下载7-zip,zip、rar解压,建议下载WinRAR

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索