YOLOv3以速度快著称，但是在训练自己的数据集时发现尽管在命令中同时开启了多块gpu，但速度仍旧很慢。
按照其他人的训练日志可以看出64batch的单gpu训练，每次迭代大约需要不到1秒
但是自己在训练时却需要好几个小时，首先想到的是自己的数据集是否图片分辨率太高，比较之后发现差不多，而且在开启多尺度训练（设置detector中的random=1）后问题并没有解决。
控制影响因素：GPU的数量、batchsize的大小之后发现程序似乎不是按照设置的那样在GPU上运行，并且GPU和batchsize对耗时的影响是叠加关系（batchsize=4时用时是=1时的大约4倍，开启3片GPU时不是并行而是串行（运行数据变为3倍，时间也随之变为3倍））
一大堆的尝试之后，发现问题存在于最初的darknet配置阶段，按照论文作者在项目YOLO: Real-Time Object Detection中的叙述，下载完darknet后就直接make了，实际上Makefile中的参数需要设置，GPU=1，cudnn=1，opencv=1，这样make之后再去跑训练程序，速度就很快了。