if __name__ == '__main__':
parser = argparse.ArgumentParser()
#weights指定模型初始化的路径
parser.add_argument('--weights', type=str, default='', help='initial weights path')
#模型的配置路径来设置模型的结构models/yolov5s.yaml
parser.add_argument('--cfg', type=str, default='models/yolov5s.yaml', help='model.yaml path')
#指定训练数据集,用coco数据集的前128个作为一个小的数据集
parser.add_argument('--data', type=str, default='data/coco128.yaml', help='data.yaml path')
#超参数设置,保存在data/hyp.scratch.yaml
parser.add_argument('--hyp', type=str, default='data/hyp.scratch.yaml', help='hyperparameters path')
#训练轮数
parser.add_argument('--epochs', type=int, default=300)
#将多少数据进行一次打包送入模型
parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs')
#设置训练集和测试集图片的大小
parser.add_argument('--img-size', nargs='+', type=int, default=[640, 640], help='[train, test] image sizes')
#矩阵的训练方式,进行矩阵推理,不需要将训练图片变为正方形,而是满足即可,进行部分填充,减少不必要的信息
parser.add_argument('--rect', action='store_true', help='rectangular training')
#是否在最近的一次训练模型进行一次训练,default=(想要训练的模型所处的位置),此模型指的是之前训练的,比如权重中的best.pt/last.pt,不需要在读取多余的配置文件
parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')
#是否只保存最后一次epoch的训练结果模型数据
parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')
#是否只在最后一次epoch进行测试
parser.add_argument('--notest', action='store_true', help='only test final epoch')
#目标检测算法中是否选择锚点,默认选择开启
parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')
#对超参数进行进化,寻找最优参数的 一种方式,默认选择开启
parser.add_argument('--evolve', action='store_true', help='evolve hyperparameters')
parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')
#是否将图片进行缓存
parser.add_argument('--cache-images', action='store_true', help='cache images for faster training')
#在上一轮训练过程中如果训练效果不佳则下一次训练进行一些相关权重的添加
parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')
#对于设备进行选择(cuda/cpu)
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
#对图片尺寸进行变换
parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')
#判断处理的数据集是单类别还是多类别,选择多类别则为false
parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')
#对优化器的选择
parser.add_argument('--adam', action='store_true', help='use torch.optim.Adam() optimizer')
parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')
parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')
parser.add_argument('--workers', type=int, default=0, help='maximum number of dataloader workers')
#项目的测试结果保存路径
parser.add_argument('--project', default='runs/train', help='save to project/name')
parser.add_argument('--entity', default=None, help='W&B entity')
#保存的文件名
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')
#数据加载
parser.add_argument('--quad', action='store_true', help='quad dataloader')
#设置学习速率线性或者cos
parser.add_argument('--linear-lr', action='store_true', help='linear LR')
#标签平滑,防止分类算法中过拟合的产生
parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')
#上传数据集
parser.add_argument('--upload_dataset', action='store_true', help='Upload dataset as W&B artifact table')
parser.add_argument('--bbox_interval', type=int, default=-1, help='Set bounding-box image logging interval for W&B')
#是否生成日志,默认不生成
parser.add_argument('--save_period', type=int, default=-1, help='Log model after every "save_period" epoch')
parser.add_argument('--artifact_alias', type=str, default="latest", help='version of dataset artifact to be used')
opt = parser.parse_args()
# Set DDP variables
opt.world_size = int(os.environ['WORLD_SIZE']) if 'WORLD_SIZE' in os.environ else 1
opt.global_rank = int(os.environ['RANK']) if 'RANK' in os.environ else -1
set_logging(opt.global_rank)
if opt.global_rank in [-1, 0]:
check_git_status()
check_requirements()
2023.4.10 yolov5_train.py学习记录
于 2023-04-10 13:31:33 首次发布