手动数据增强

手动数据增强可能还没有原来的好，因为原来的都是别人试出来的比较好的。但如果要参加比赛，就需要自己去读一些论文，看看别人的思路，再更新一个高于标准的。

看英文论文，挑一些比较好的。CVPR每年会选出引用最多的顶尖的论文。多看看论文，小绿鲸阅读器导入。两天看一篇。推荐微信号：学姐带你玩ai。最新的没人翻译都是英文，中文的可能都比较老。

分布式训练就暂时不需要掌握，太高级了。相当于在很多台电脑上训练一个模型。模型结构复杂。几百万数据，每张图片都很大。

评价指标：f2分数。用p和r 综合计算。用于计算  分类任务的分数。

                如果回归、回归+分类任务，用map作为评价指标。

打开detect.py，在预测值y后面，通过调取函数可以直接获得f2分数：

3000分辨率：令args中img.size=3000

conf：翻转的概率（或者是置信度的阈值）

知识蒸馏：一种剪枝方法。只保留网络中重要的部分，如一个分数是0.999，一个分数是0.1，将0.1的参数砍掉。pruned剪枝+fine-tuned 微调训练，剪枝之后要微调训练。maac。

如果剪模型架构的话，就在yolo.py中剪，另外配置文件yolo.yaml也要剪。

数据增强具体操作方法：先在网上找增强方法的函数。然后有两种操作方法，注意这两种操作方法都要求接口一致（即和原代码输入值输出值一致）。还有如果原图像imgs翻转了，要让每次迭代训练的target框也翻转，不然只有图转了，框没转。具体来说，翻转，和旋转要改，切块，因为图片目标位置变了。变颜色、变亮度这些才不用变target。

方法一、和模型原数据增强的模块放在一起。在dataloader.py-datasets处应该会有

 

方法二、 加在train.py中imgs导入的地方

将wbf代替nms：在detect.py进去能看到nms模块，代替源码。注意nms在train中没有

yolov5可以做多分类任务，多分类任务就是多标签分类任务！！