YOLOV7改配置文件参数讲解

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