yolov5源码解读（一）

小小小~

已于 2022-01-25 11:03:18 修改

阅读量2k

点赞数 3

分类专栏： yolo 文章标签：深度学习 pytorch 人工智能

于 2022-01-25 10:59:59 首次发布

本文链接：https://blog.csdn.net/qq_52302919/article/details/118881786

版权

yolo 专栏收录该内容

75 篇文章 27 订阅

订阅专栏

yolov5源码解读（一）

一、train.py源码解析

(一)、parse opt

def parse_opt(known=False):
    """
    opt参数解析：
    weights:加载的权重文件(在官网自行下载)
    cfg:模型配置文件，网络结构（一般在源码的models路径下，具体内容接下来讲解）
    data:数据集配置文件，数据集路径，类名等（一般在源码的data文件下）
    hyp:超参数文件（data文件夹下名称为hyp.xxx.yaml，具体内容接下来讲解）
    epochs:训练总轮次
    batch-size:批次大小
    img-size:输入图片分辨率大小
    rect:是否采用矩形训练，默认False（去除paddings时的冗余信息，具体细节见上一篇博客）
    resume:接着打断训练上次的结果接着训练
    nosave:不保存模型，默认False
    noval:不进行val，默认False
    noautoanchor:不自动调整anchor，默认False
    evolve:是否进行超参数进化，默认False(利用遗传算法(GA) 进行超参数优化)
    bucket:谷歌云盘bucket，一般不会用到
    cache-images:是否提前缓存图片到内存，以加快训练速度，默认False
    image-weights:训练时是否对图片进行采样的权重
    device:训练的设备，cpu；0(表示一个gpu设备cuda:0)；0,1,2,3(多个gpu设备)
    multi-scale:是否进行多尺度训练，默认False
    single-cls:数据集是否只有一个类别，默认False
    adam:是否使用adam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
    projects:训练日志，权重保存的目录
    entity: wandb相关参数
    name:数据集名字，如果设置：results.txt to results_name.txt，默认无
    exist_ok: 是否重新创建日志文件, False时重新创建文件
    quad: 是否使用collate_fn4作为dataloader的选择函数
    linear-lr: 是否使用线性学习率衰减, 默认不使用
    label-smoothing: 是否使用标签平滑
    upload_dataset: wandb相关参数,上传数据
    bbox_interval: wandb中log边框的间隔
    save_period: wandb上保存模型的间隔
    artifact_alias: wandb相关参数
    local_rank:gpu编号
    """
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', type=str, default='yolov5s.pt', help='initial weights path')
    parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
    parser.add_argument('--data', type=str, default='data/coco128.yaml', help='dataset.yaml path')
    parser.add_argument('--hyp', type=str, default='data/hyps/hyp.scratch.yaml', help='hyperparameters path')
    parser.add_argument('--epochs', type=int, default=300)
    parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs')
    parser.add_argument('--img-size', nargs='+', type=int, default=[640, 640], help='[train, val] image sizes')
    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 val final epoch')
    parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')
    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-images', action='store_true', help='cache images for faster training')
    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('--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('--workers', type=int, default=8, help='maximum number of dataloader workers')
    parser.add_argument('--project', default='runs/train', help='save to project/name')
    parser.add_argument('--entity', default=None, help='W&B entity')
    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('--linear-lr', action='store_true', help='linear LR')
    parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')
    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')
    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')
    parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')
    opt = parser.parse_known_args()[0] if known else parser.parse_args()
    return opt