YOLOv3以速度快著稱，但是在訓練自己的資料集時發現儘管在命令中同時開啟了多塊gpu，但速度仍舊很慢。

按照其他人的訓練日誌可以看出64batch的單gpu訓練，每次迭代大約需要不到1秒

但是自己在訓練時卻需要好幾個小時，首先想到的是自己的資料集是否圖片解析度太高，比較之後發現差不多，而且在開啟多尺度訓練（設定detector中的random=1）後問題並沒有解決。

控制影響因素：GPU的數量、batchsize的大小之後發現程式似乎不是按照設定的那樣在GPU上執行，並且GPU和batchsize對耗時的影響是疊加關係（batchsize=4時用時是=1時的大約4倍，開啟3片GPU時不是並行而是序列（執行資料變為3倍，時間也隨之變為3倍））

一大堆的嘗試之後，發現問題存在於最初的darknet配置階段，按照論文作者在專案YOLO: Real-Time Object Detection中的敘述，下載完darknet後就直接make了，實際上Makefile中的引數需要設定，GPU=1，cudnn=1，opencv=1，這樣make之後再去跑訓練程式，速度就很快了。