你好，看到你里面关于原作者warm-up部分代码的疑虑，我想是否是这样：
#原有的true_box_wh在generator中其实就是有物体的feature map单元对应放元素(作为e的指数对应修正先验bbox)，没物体的单元初始化为0；
#如果对没有obj的单元计算wh部分loss，初始为0套用计算公式true_wh = tf.exp(true_box_wh) * self.anchors / net_factor，其实就会得到对应单元存在三个先验bbox作为GT；
#但是因为对应的单元的object_mask为0，事实上不会计算上述公式；所以这里设置zeros_like是合理的，计算本身并无实际作用，但是意义在于通过0是会对应得到先验bbox的；
#而后在warm-up中将所有的object_mask全部修改为1，那么wh初始为0的作用就会体现，因此此时所有单元都会计算wh loss；
#warm-up结束后，在正常loss计算中只有真实有物体的单元对应的object_mask为1，其他没有物体的单元mask为0，对应也不会计算wh部分的loss，就恢复到原本的状态；
YOLOv3代码分析(Keras+Tensorflow)前面（YOLO v3深入理解）讨论过论文和方案之后，现在看一下代码实现。YOLO原作者是C程序，这里选择的是Kears+Tensorflow版本，代码来自experienco...