Shallwego2

我也遇到了相似的问题，请问楼主解决了吗？

 注释掉第50行即可

@xuzheyuan624 我的问题和@jayden199012一样，这里计算把中心点对齐之后，算ground truth 和 anchors 的 iou 是为了得到最合适的anchor来回归，但是这个ignore_threshold又有什么用呐？不理解。

@xuzheyuan624 你的yolo_loss的代码中，tconf[b,best_n,gj,gi]= best_conf, 而best_conf是预测框与真实框的iou，这里我不是很理解，我觉得tconf[b,best_n,gj,gi] = 1不是更合理吗，在对标签进行计算时，还用上了预测的信息，那刚开始训练时，还没有预测框时，那个tconf就没有意义了呀？觉得有点奇怪。

我看了好几个yolo的代码，比如在https://github.com/zjuxwg0401/PyTorch-YOLOv3/blob/master/utils/utils.py中的 tcls[b, best_n, gj, gi, target_label] = 1 # 对应位置填1，与您的代码中不太一样，我觉得=1 好像更合理一点。您有什么看法？

> @zjuxwg0401 这里的代码是根据yolo9000中给的公式 > P（object）*IOU（b，object）=sigma（t0） > 有目标的时候P（object）=1，而且刚开始的时候预测框就是anchor 因为偏移量是以0初始化的。 > 这样是能够衡量不同预测框的置信程度，用预测框和gt的iou表示其需要回归的置信度。 谢谢，刚又看一下文章，理解了。在看您的代码时，发现loss中还有一项是a_loss，文章中好像没有呀？ 我微信号和QQ号都是276688034，可以加微信或QQ请教。