yolov5使用中的相关代码逐行解析

train.py代码解析

opt参数解析

def parse_opt(known=False):
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
    parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
    parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
    parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch-low.yaml', help='hyperparameters path')
    parser.add_argument('--epochs', type=int, default=100, help='total training epochs')
    parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs, -1 for autobatch')
    parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
    parser.add_argument('--rect', action='store_true', help='rectangular training')
    parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')
    parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')
    parser.add_argument('--noval', action='store_true', help='only validate final epoch')
    parser.add_argument('--noautoanchor', action='store_true', help='disable AutoAnchor')
    parser.add_argument('--noplots', action='store_true', help='save no plot files')
    parser.add_argument('--evolve', type=int, nargs='?', const=300, help='evolve hyperparameters for x generations')
    parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')
    parser.add_argument('--cache', type=str, nargs='?', const='ram', help='image --cache ram/disk')
    parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')
    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')
    parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')
    parser.add_argument('--optimizer', type=str, choices=['SGD', 'Adam', 'AdamW'], default='SGD', help='optimizer')
    parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')
    parser.add_argument('--workers', type=int, default=8, help='max dataloader workers (per RANK in DDP mode)')
    parser.add_argument('--project', default=ROOT / 'runs/train', help='save to project/name')
    parser.add_argument('--name', default='exp', help='save to project/name')
    parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
    parser.add_argument('--quad', action='store_true', help='quad dataloader')
    parser.add_argument('--cos-lr', action='store_true', help='cosine LR scheduler')
    parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')
    parser.add_argument('--patience', type=int, default=100, help='EarlyStopping patience (epochs without improvement)')
    parser.add_argument('--freeze', nargs='+', type=int, default=[0], help='Freeze layers: backbone=10, first3=0 1 2')
    parser.add_argument('--save-period', type=int, default=-1, help='Save checkpoint every x epochs (disabled if < 1)')
    parser.add_argument('--seed', type=int, default=0, help='Global training seed')
    parser.add_argument('--local_rank', type=int, default=-1, help='Automatic DDP Multi-GPU argument, do not modify')

    # Logger arguments
    parser.add_argument('--entity', default=None, help='Entity')
    parser.add_argument('--upload_dataset', nargs='?', const=True, default=False, help='Upload data, "val" option')
    parser.add_argument('--bbox_interval', type=int, default=-1, help='Set bounding-box image logging interval')
    parser.add_argument('--artifact_alias', type=str, default='latest', help='Version of dataset artifact to use')

    return parser.parse_known_args()[0] if known else parser.parse_args()

下面是对以上代码块中各个参数的作用和默认值的解析：

–weights：训练的权重。可以使用自己训练好的权重，也可以使用官网给的五种权重
–cfg：模型配置文件，网络结构
–data：数据集配置文件，数据集路径，类名等
–hyp：超参数文件
–epochs：训练的轮次，默认为300轮
–batch-size：批次的大小，默认为16
–imgsz：设置图片大小，默认为640*640
–rect：是否采用矩形训练，默认为False
–resume:断点续训，是否从上次打断的结果继续训练
–nosave：不保存模型，默认为False
–noval：最后进行测试，设置之后就是训练结束后都测试，不设置则是每轮都计算map
–noautoanchor：不自动调整anchor，默认为False
–evolve：是否进行超参数进化，默认为False
–bucket：谷歌云盘，一般那没用
–cache：是否提前缓存到内存，以增加训练速度，默认为False
–image-weights：是否使用图片采样策略，默认为False
–device：训练的设备，GPU还是CPU
–multi–device-scale:是否进行多尺度训练，默认为False
–single-cls：数据集是否只有一个类别，默认为False
–optimizer：选择优化器
–sync-bn：是否使用跨卡同步BN,在DDP模式使用
–workers：dataloader的最大worker数量
–project：默认保存路径runs/train
–name：结果保存的子目录名，默认为exp
–exist-ok：项目位置是否存在
–quad:
–cos-lr:使用余弦学习
–label-smoothing：标签平滑
–patience:停止忍耐次数，默认100次不更新就停止
–freeze：冻结训练，数据量大的情况下不建议使用
–save-period：多少个epoch保存一下checkpoint
–local_rank：GPU编号