首次训练：
python train.py --config=yolact_coco_custom_config --resume=weights/yolact_plus_resnet50_54_800000.pth --only_last_layer --batch_size 56
首次训练使用了权重文件“yolact_plus_resnet50_54_800000.pth”，但我的样本数量有限，为避免过拟合，所以使用“only_last_layer”参数进行微调(Fine-tune)。
微调：在自己的数据集上训练一个新的深度学习模型时，一般采取在预训练好的模型上进行微调的方法。
batch_size参数：根据官方支持多GPU的说明，我的服务器有7张显卡，batch size = 8*gpu数量。
从中断的权重文件继续训练：
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10万次后得到的权重文件，可在此基础上继续训练。
据说yolact至少训练10万次以上才能得到好的效果，暂未验证。