YOLOv3 中的批次和细分

Posted 2023-02-16

【中文标题】YOLOv3 中的批次和细分

【英文标题】：batch and subdivisions in YOLOv3

【发布时间】：2020-02-09 19:34:47

【问题描述】：

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个mini batch完成一次迭代.

我没有看到记录在 in the wiki:

对这些值有限制吗？它们需要是 16 的倍数吗？ 2的幂？我可以有batch=25 和subdivisions=5 吗？

【参考方案1】：

我相信不是必须是 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 中看到的那样parcer.c：

net->batch /= subdivs;

然后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，但在内核中使用的 num_blocks 不必能被 2 整除，如 dark_cuda 中所示。 c：

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 次循环运行，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被充分利用。

但是，我建议您尝试使用这些参数训练您的网络，以确认其是否按预期工作。

【讨论】：

当批次不能被细分整除时，代码可以处理，以供参考。反正没什么大不了的！