parser 参数详解
1 --weights
初始化模型: 有yolov5m,yolov5s,yolov5x,yolov5l,如果为设置为空就是没有任何与训练模型
2 --config
训练配置文件:.yaml 文件,与预训练模型相对应。
3 --data
所使用的数据集的配置文件:.yaml 文件,训练自己的数据集是也需要编辑相应的yaml文件
4 --hyp
超参数配置文件: 学习率等
5 --epoch
训练轮数
6 --batch-size
batchsize 大小
7 --img-size
图片大小
8 --rect
padding之后会有灰色区域的冗余信息,此参数设置为真,可以去除冗余信息
9 --resume
从之前训练的节点开始训练(已经训练的网络在runs/train/exp
文件夹下的pt文件)
发现从此pt权重文件开始继续训练
10 --nosave
是否只保留最后一个epoch的权重文件
11 --notest
是否只测试最后一个epoch
12 --noautoanchor
(目标检测算法中是否使用锚点、锚框)关闭autoanchor
13 --evolve
进化超参数(寻找最优参数的一种方式)
14 --bucket
没有必要
15 --cache-images
缓存图片以备更快的训练
16 --image-weights
上一轮中训练情况不好的图片,在下一轮中加一些相关的权重
17 --device
训练设备选择 选择cpu或者gpu
18 --multi-scale
对图片的尺寸进行变化
19 --single-cls
训练的数据集是但类别还是多类别
20 --adam
优化方法使用adam 优化法
21 --sync-bn
DDP参数
22 --local_rank
DDP参数
23 --workers
最好设置成0,不然很容易出错
24 --poject
项目存储位置
25 --entity
W&B 训练可视化的库是否启用
26 --name
训练结果保存名字
27 --quad
开启之后在尺寸大于640的图像上识别效果更好,但是有可能会使在640尺寸的图片上效果更差
28 --Linear-lr
学习速率的变化,如果开启就使用线性的方式进行变化,不开启就使用余弦退火的方式变化
29 --label-smoothing
防止在分了算法中出现过拟合的情况发生
30 --save_log
每隔多少个epoch,在tensorboard 中打一个标签