首次訓練：
python train.py --config=yolact_coco_custom_config --resume=weights/yolact_plus_resnet50_54_800000.pth --only_last_layer --batch_size 56
首次訓練使用了權重文件“yolact_plus_resnet50_54_800000.pth”，但我的樣本數量有限，為避免過擬合，所以使用“only_last_layer”參數進行微調(Fine-tune)。
微調：在自己的數據集上訓練一個新的深度學習模型時，一般采取在預訓練好的模型上進行微調的方法。
batch_size參數：根據官方支持多GPU的說明，我的服務器有7張顯卡，batch size = 8*gpu數量。
從中斷的權重文件繼續訓練：
python train.py --config=yolact_coco_custom_config --resume=weights/yolact_coco_custom_226_9500.pth --start_iter=-1 --batch_size 56
“yolact_coco_custom_226_9500.pth”是我迭代10萬次后得到的權重文件，可在此基礎上繼續訓練。
據說yolact至少訓練10萬次以上才能得到好的效果，暫未驗證。