yolov3中yolov3-voc.cfg文件中参数理解

[net]
# Testing       #测试模式
 batch=1    
 subdivisions=1
# Training          #训练模式  每次前向图片的数目=batch/subdivisions
# batch=64          #关于batch与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
# subdivisions=16   #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、高、通道数
height=416
channels=3      #这三个参数中，要求width==height, 并且为32的倍数，大分辨率可以检测到更加细小的物体，从而影响precision

momentum=0.9      #动量，影响梯度下降到最优的速度，一般默认0.9
decay=0.0005     #权重衰减正则系数，防止过拟合
angle=0          #旋转角度，从而生成更多训练样本 
saturation = 1.5   #调整饱和度，从而生成更多训练样本
exposure = 1.5      #调整曝光度，从而生成更多训练样本
hue=.1         #调整色调，从而生成更多训练样本

learning_rate=0.001  #学习率 ，决定了权值更新的速度，学习率大，更新的就快，但太快容易越过最优值，而学习率太小又更新的慢，效率低，
                     #一般学习率随着训练的进行不断更改，先高一点，然后慢慢降低，一般在0.01--0.001
burn_in=1000            #学习率控制的参数，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 = 50200   #迭代次数，1000次以内，每训练100次保存一次权重，1000次以上，每训练10000次保存一次权重
policy=steps        #学习率策略，学习率下降的方式
steps=40000,45000    #学习率变动步长
scales=.1,.1    #学习率变动因子
                 #如迭代到40000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]
batch_normalize=1    #BN
filters=32    #卷积核数目
size=3       #卷积核尺寸
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/2，padding应该是对输入图像左边缘拓展的像素数量
activation=leaky  #激活函数类型

# Downsample

[convolutional]
batch_normalize=1
filters=64
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=32
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear   #借鉴了resnet网络的shortcut方式可以加深网络

# Downsample

[convolutional]
batch_normalize=1
filters=128
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky

[shortcut]
from=-3
activation=linear

[convolutional]
batch_normalize=1
filters=64
siz