batch:每轮迭代随机选取的样本数量
subdivision:为了减少显存压力，将每个batch分为subdivision组，意味着将一轮迭代中，分subdivision次将图片输入网络进行训练，（即每次送入网络batch/subdivision张图片）
- 9798： 指示当前训练的迭代次数
- 0.370096： 是总体的Loss(损失）
- 0.451929 avg： 是平均Loss，这个数值应该越低越好，一般来说，一旦这个数值低于0.060730 avg就可以终止训练了。
- 0.001000 rate： 代表当前的学习率，是在.cfg文件中定义的。
- 3.300000 seconds： 表示当前批次训练花费的总时间。
- 627072 images： 这一行最后的这个数值是9798*64的大小，表示到目前为止，参与训练的图片的总量
IOU（交集比并集）是一个衡量我们的模型检测特定的目标好坏的重要指标。100%表示我们拥有了一个完美的检测，即我们的矩形框跟目标完美重合。很明显，我们需要优化这个参数。
- Region Avg IOU: 0.326577： 表示在当前subdivision内的图片的平均IOU，代表预测的矩形框和真实目标的交集与并集之比，这里是32.66%，这个模型需要进一步的训练。
- Class: 0.742537： 标注物体分类的正确率，期望该值趋近于1。
- Obj: 0.033966： 越接近1越好。
- No Obj: 0.000793： 期望该值越来越小，但不为零。
- Avg Recall: 0.12500： 是在recall/count中定义的，是当前模型在所有subdivision图片中检测出的正样本与实际的正样本的比值。在本例中，只有八分之一的正样本被正确的检测到。
- count: 8：count后的值是所有的当前subdivision图片（本例中一共8张）中包含正样本的图片的数量。在输出log中的其他行中，可以看到其他subdivision也有的只含有6或7个正样本，说明在subdivision中含有不含检测对象的图片。