darknet配置yolo_v3的cfg配置文件

问题与背景

对于一个新手，安装好了darknet框架之后，怎么开始训练呢？这里我们以yolov3为目标模型，将darknet看作丹炉，yolov3的网络结构看作单方，进行一波”炼丹“。首先找到一个标准的yolov3的cfg文件，需要对里面的参数读懂，然后更改，适配一下数据集，就可以进行训练了。

参考资料

https://blog.youkuaiyun.com/czksnk/article/details/100692881 YOLOv3 cfg文件详解 （好文）
https://www.cnblogs.com/carle-09/p/12192206.html yolo—参数解释之cfg文件参数（也很详细）
https://www.cnblogs.com/pprp/p/12199731.html 细粒度的拆分cfg配置，具体学yolo必看

案例与方案

cfg文件的解读如下：

 [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                    ★ #号开头的行为注释行，在解析cfg的文件时会忽略该行
# batch=1
# subdivisions=1
# Training
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
                             ★★ 敲黑板：在Darknet中，batch和sub是结合使用的，例如这儿的batch=64，sub=16表示训练的过
                             程中将一次性加载64张图片进内存，然后分16次完成前向传播，意思是每次4张，前向传播的循环过程中
                             累加loss求平均，待64张图片都完成前向传播后，再一次性后传更新参数
                             ★★★ 调参经验：sub一般设置16，不能太大或太小，且为8的倍数，其实也没啥硬性规定，看着舒服就好
                             batch的值可以根据显存占用情况动态调整，一次性加减sub大小即可，通常情况下batch越大越好，还需
                             注意一点，在测试的时候batch和sub都设置为1，避免发生神秘错误！
 
width=608                    ★ 网络输入的宽width
height=608                   ★ 网络输入的高height
channels=3