yolov5代码解读-训练

最新推荐文章于 2024-12-15 18:18:21 发布

一只眠羊e

最新推荐文章于 2024-12-15 18:18:21 发布

阅读量8.2k

点赞数 19

分类专栏：机器学习笔记文章标签： pytorch python 深度学习图像识别

本文链接：https://blog.csdn.net/m0_50294896/article/details/120606979

版权

本文详细解读了yolov5的训练流程，包括超参数设置、命令行参数解析、训练前的准备工作，以及关键组件如模型加载、优化器选择和训练步骤。重点介绍了损失函数、数据增强、多卡训练和模型微调等内容。

摘要由CSDN通过智能技术生成

前言：

上两篇：yolov5代码解读-dataset、yolov5代码解读-网络架构
yolov5的数据处理模块和网络架构已经写完了，做好了这些基础工作，就可以来训练了。
代码已上传到github，数据集和权重文件已上传到百度网盘（链接在github里），如需下载请移步：https://github.com/scc-max/yolov5-scc

参数解读

超参数hyp文件

在训练之前，先看一下有哪些超参数。在yolov5工程里面有一个 data文件夹，里面有一个hyp.scratch.yaml文件，可以用写字板或者记事本打开。在这里插入图片描述

上面这些参数默认就好，没什么改动的必要。
lr：学习率就不用说了，在训练过程中会依次下降，初试学习率在第一行内容中。余弦退火就是为了动态降低学习率。
momentum：动量，一般为0.95左右。
weight_decay：权重衰减，防止权重更新幅度过大，过拟合。
warmup：热身，让模型先热热身，熟悉熟悉数据，学习率要小，相当于只是去看看，还没正式训练呢，学习率太高说不定就学跑偏了。
下面是损失和图像增强的一些参数，大致也都默认就好。

命令行参数

这些是train.py里面的参数，前几个不用说，看一下就知道什么意思。
rect是指要不要做矩形训练，例如448×448给修改成448×w这样一个尺寸，默认是不做。
resume是指是否继续上次的训练，这是一个日志文件，在训练后会有一个last.pt，是保存的权重文件。store_true，就是没有默认的情况下就是False。因为我只有矿山一个类别，所以我的single-cls就是store false，然后默认为True了。如果是多类别的，这里要写store_true。
最后一个workers，windows系统一定要指定为0，指定其他的会百分百报错。windows和pytorch没有很好地兼容。在这里插入图片描述