YOLOv3 中的批量和细分

Question

我正在使用来自 AlexeyAB's fork of Darknet 的 YOLOv3 和 YOLOv3-Tiny。我知道图像大小必须是 32 的倍数。batch 除以 subdivisions 决定了将并行处理的图像数量。

例如默认yolov3.cfg文件中的batch size为64，细分为16，即一次加载4张图片，需要16张这些小批量完成一次迭代。

我没有看到记录的内容 in the wiki:

这些值有限制吗？必须是16的倍数吗？ 2的幂？我可以有 batch=25 和 subdivisions=5 吗？

Answer 1

我认为不一定是 2 的幂，重要的是 batch 必须能被 subdivisions 整除，因为代码使用了小批量的 batch / subdivisions正如您在 parcer.c:

中看到的

net->batch /= subdivs;

则每一步处理的图像数量定义为detector.c:

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

虽然在dark_cuda.h中定义的BLOCK是512，但是在内核中使用的num_blocks并不一定要整除2 可以在 dark_cuda.c:

中看到

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 为一组运行，因此任何不是 2 的倍数的数字都可能导致部分已用内存未得到充分利用。

但是，我建议您尝试使用这些参数训练您的网络，以确认它是否按预期工作。

batch and subdivisions in YOLOv3