yolov5笔记之参数设置和数据集目录结构

'''
detect.py
    python detect.py --source .\data\images --weights .\weight\yolov5s.pt
    python detect.py --source D:\Dataset\QQ_SafeVerify\cs --weights D:\Dataset\QQ_SafeVerify\best.pt

    #训练好的权重文件
    '--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path or triton URL')
    #detect目标文件夹
    '--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob/screen/0(webcam)')
    #置信度x,大于x将被采纳
    '--conf-thres', type=float, default=0.25, help='confidence threshold')
    #最大深度
    '--max-det', type=int, default=1000, help='maximum detections per image')
    #设备选择
    '--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    #保存置信度
    '--save-conf', action='store_true', help='save confidences in --save-txt labels')
train.py
    python train.py --batch-size 2 --epochs 200 --data det_sample/leaf/data.yaml --weights weight/yolov5s.pt

    python train.py --batch-size 32 --imgsz 320 --workers 8 --patience 0 --epochs 200 --data D:\Dataset\QQ_SafeVerify\dataset\data.yaml --weights weight/yolov5s.pt

    #初始权重 yolov5s.pt
    '--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
    #训练模型文件
    '--cfg', type=str, default='', help='model.yaml path')
    #数据集参数文件yaml
    '--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
    #训练轮数 epochs 200-1000
    '--epochs', type=int, default=100, help='total training epochs')
    #图片输入大小  batch_size设置一般为2-32
    '--batch-size', type=int, default=-1, help='total batch size for all GPUs, -1 for autobatch')
    #修改图片大小 imgsz 32的倍数  640
    '--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
    #选择设备
    '--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    #设置线程数量 2 4 8 16
    '--workers', type=int, default=2, help='max dataloader workers (per RANK in DDP mode)')
model
weight
    yolov5l.pt
    yolov5m.pt
    yolov5n.pt
    yolov5s.pt
    yolov5x.pt
Datasets
    dataset_name
        data.yaml
            path: Datasets/dataset_name     # relative to root dir
            train: dataset_name/train       # relative to path
            val: dataset_name/val           # relative to path
            test: dataset_name/test         # relative to path
            nc: 1
            names: ["1"]
        train
            images  文件夹
            labels  文件夹
                classes.txt
                ...
        val
            images  文件夹
            labels  文件夹
                classes.txt
                ...
        test(optional)
            images  文件

	# 标记数据集
		使用labelImg 标记数据集，生成label
		https://www.makesense.ai/
'''