YOLOv3中的批次和细分

Question

我正在使用AlexeyAB's fork of Darknet中的YOLOv3和YOLOv3-Tiny。我知道图像大小必须是32的倍数。并且batch除以​​subdivisions决定了将要并行处理的图像数。

例如，默认yolov3.cfg文件中的批处理大小为64，细分为16，这意味着将一次加载4张图像，并且需要这些迷你批处理中的16个来完成一次迭代。

我没看到的in the wiki：

这些值是否有限制？是否需要为16的倍数？ 2的幂？我可以有batch=25和subdivisions=5吗？

Answer 1

我相信不一定必须是2的幂，重要的是batch必须可以被subdivisions整除，因为代码使用了小批的batch / subdivisions，如您在parcer。 c：

net->batch /= subdivs;

然后在每个步骤中处理的图像数量定义为detector.c：

int imgs = net.batch * net.subdivisions * ngpus;

尽管在[[dark_cuda.h中定义的BLOCK为512，但不必在内核中使用的num_blocks被2整除，如dark_cuda.c所示：] >

int get_number_of_blocks(int array_size, int block_size)
{
    return array_size / block_size + ((array_size % block_size > 0) ? 1 : 0);
}

[我认为唯一的问题可能是性能问题，因为CUDA以32个换行的形式运行，因此任何非2的倍数的数字都可能导致部分已用内存未被充分利用。

但是，我建议您尝试使用这些参数来训练您的网络，以确保其可以正常工作。