目录
(5)epochs、batch-size、img-size参数
(10)evolve、cache-images、images-weights、device、multi-scale参数
(14)linear-lr参数和label-smoothing参数
(1)weights参数(指定网络模型)
下图yolov5s.pt是作者训练好的模型
如果有自己的模型,把保存路径放到红框位置即可使用自己的模型
如果想从头开始训练,default参数可以设置为空,不给他任何的初始化,采用程序对这个参数的权重进行初始化
(2)cfg参数
关于模型的一些配置,存放在model文件夹中
下图表示,模型训练采用yolov5s结构
default中可以填入以下4种
(3)data参数(指定数据集)
下图指定的coco128数据集
可以复制download的链接到迅雷进行数据集的下载
default中可以填入以下几种数据集
(4)hyp参数(超参数)
有两个超参数文件
第一个是对voc数据集进行微调
第二个是对coco数据集进行操作,scratch表示从头开始训练
(5)epochs、batch-size、img-size参数
epochs表示训练轮数
batch-size表示一次抓取多少个数据,打包放入网络当中
img-size参数设置训练集和测试集的尺寸大小
(6)rect参数
设置矩阵的训练方式
最小填充,减少不必要的冗余,加速模型训练速度
(7)resume参数
是否从当前最近的一个模型基础上进行训练
如果不的话,指定false即可
如果要的话,需要指定在哪一个模型基础上进行训练
这里指定之前训练过的一个模型文件
不仅要读取这个模型文件,还要读取他的相关配置
上一次的训练结果
运行train.py代码,显示从last.pt开始训练
这一次不从0开始,而是接着后面训练,从2开始训练
结果更新
(8)nosave、notest参数
只保存最后一个epoch训练的模型,保存pt文件和一些权重数据
是否只在最后一个epoch进行测试(按理说在每个epoch都进行测试)
(9)noautoanchor参数
是否采用锚点
(10)evolve、cache-images、images-weights、device、multi-scale参数
对超参数净化,action默认未开启,需要指定才能开启
是否对图片缓存,进行更好的训练
上一轮中测试图片效果不太好,下一轮训练过程中,会对这些图片加一些相关的权重(效果不一定有保证)
不用指定,可以在训练时自行检测cpu or gpu
对尺度进行变换
(11)single-cls、adam参数
训练的数据集是单类别还是多类别
优化器,设置为true就会选这个,false的话就会有随机梯度下降
带有DDP的参数都不用看
(12)workers、project参数
workers表示进程数,project表示运行结果的存放位置
一个库,不用管(带W&B的都不用看)
(13)name参数和exist-ok参数
如果设置了exist-ok参数的话,运行结果文件会保存在exp文件夹下
如果未设置exist-ok参数的话,则新建一个文件夹(比如exp1、exp2...)存放运行结果
(14)linear-lr参数和label-smoothing参数
对学习速率进行调整
标签平滑,防止过拟合的产生
这几个都和W&B有关,不用管
这个参数没用,作者还没实现