原配置代码:
python train.py --workers 8 --device 0 --batch-size 32 --data data/coco.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights '' --name yolov7 --hyp data/hyp.scratch.p5.yaml
python train.py
--workers 8
//workers是指数据装载时cpu所使用的线程数, //默认为8,但是按照默认的设置来训练往往会导致我们的CPU爆内存,会导致其他进程进行关闭 // (例如浏览器)
--device 0
//设备选择,如果是GPU就输入GPU索引【如0,1,2..】,CPU训练就填cpu
--batch-size 32
//batch-size设置多少就表示一次性将多少张图片放在一起训练 //就是一次往GPU哪里塞多少张图片了,如果设置的太大会导致爆显存,一般设置为8的倍数,会一次性训练8张图片
--data data/coco.yaml
//数据集路径,默认为coco.yaml,主要定义数据集路径,以txt文件保存【训练集、验证集和测试集】,类的数量【默认nc=80】,类名【names】
--img 640 640
//输入网络图像大小,默认640 * 640
--cfg cfg/training/yolov7.yaml
//训练中模型的参数定义,采用yaml文件【注意是training下的yaml,不是deploy下的】,可以用于模型的选择
--name yolov7
//保存项目名字
--hyp data/hyp.scratch.p5.yaml
//训练中超参数配置路径,默认data/hpy.scratch.p5.yaml,比如学习率、动量参数、权重衰减、预热epoch等
--epoch:
//训练多少轮,默认300轮