YOLO5训练参数解析

YOLO5训练参数解析

下面是一个表格，列出了所有常见参数及其含义：

参数	类型	默认值	说明
--weights	str	ROOT / "yolov5s.pt"	初始权重文件路径
--cfg	str	""	模型配置文件路径
--data	str	ROOT / "data/coco128.yaml"	数据集配置文件路径
--hyp	str	ROOT / "data/hyps/hyp.scratch-low.yaml"	超参数配置文件路径
--epochs	int	100	训练总轮数
--batch-size	int	16	所有 GPU 上的总批量大小，-1 表示自动批量大小
--imgsz, --img, --img-size	int	640	训练和验证图像的大小（像素）
--rect	store_true	False	使用矩形训练
--resume	nargs="?"	False	继续最近的训练，如果不指定则从头开始训练
--nosave	store_true	False	仅保存最终检查点
--noval	store_true	False	仅在最后一个轮次验证
--noautoanchor	store_true	False	禁用自动锚点
--noplots	store_true	False	不保存绘图文件
--evolve	int	300 (可选)	演化超参数的代数
--evolve_population	str	ROOT / "data/hyps"	加载超参数种群的位置
--resume_evolve	str	None	从最后一代恢复演化
--bucket	str	""	gsutil 存储桶
--cache	str	ram (可选)	图像缓存到内存或磁盘
--image-weights	store_true	False	使用加权图像选择进行训练
--device	str	""	CUDA 设备，如 0 或 0,1,2,3 或 cpu
--multi-scale	store_true	False	变更图像大小 +/- 50%
--single-cls	store_true	False	将多类别数据作为单类别进行训练
--optimizer	str	SGD	优化器选择 (SGD, Adam, AdamW)
--sync-bn	store_true	False	使用 SyncBatchNorm，仅在 DDP 模式下可用
--workers	int	8	最大数据加载器工作线程数（在 DDP 模式下每 RANK）
--project	str	ROOT / "runs/train"	保存结果的项目路径
--name	str	exp	保存结果的项目名称
--exist-ok	store_true	False	允许存在的项目/名称，不递增
--quad	store_true	False	使用四边形数据加载器
--cos-lr	store_true	False	使用余弦学习率调度器
--label-smoothing	float	0.0	标签平滑的 epsilon 值
--patience	int	100	提前停止的耐心（没有改进的轮次）
--freeze	nargs="+"	[0]	冻结的层（如：backbone=10，first3=0 1 2）
--save-period	int	-1	每 x 轮保存检查点（如果 < 1 则禁用）
--seed	int	0	全局训练种子
--local_rank	int	-1	自动 DDP 多 GPU 参数，不修改
--entity	str	None	实体
--upload_dataset	nargs="?"	False	上传数据集，“val” 选项
--bbox_interval	int	-1	设置边界框图像记录间隔
--artifact_alias	str	latest	使用数据集工件的版本

以下是几个 train.py 命令的示例，并附上解释：

1. 基本训练命令

python train.py --weights yolov5s.pt --cfg yolov5s.yaml --data coco128.yaml --epochs 50 --batch-size 16 --imgsz 640

解释：使用预训练权重 yolov5s.pt 训练模型，配置文件为 yolov5s.yaml，数据集为 coco128.yaml，训练轮数为 50，批量大小为 16，图像尺寸为 640x640。

要启用提前停止（Early Stopping），可以使用 --patience 参数。提前停止可以在训练过程中监控验证集上的性能指标，如果在指定的轮次内没有看到改进，训练将提前终止，从而防止过拟合。

2.提前停止的训练命令示例

python train.py --weights yolov5s.pt --data coco128.yaml --epochs 100 --batch-size 16 --imgsz 640 --patience 10

解释：

• --weights yolov5s.pt：使用预训练权重 yolov5s.pt 作为初始权重。
• --data coco128.yaml：指定数据集配置文件。
• --epochs 100：设置训练的总轮次为 100。
• --batch-size 16：设置批量大小为 16。
• --imgsz 640：设置训练和验证图像的尺寸为 640x640。
• --patience 10：启用提前停止机制，如果在 10 个轮次内没有看到验证集上的性能改进，则停止训练。

注意：YOLOv5 的训练脚本默认会进行这种监控，所以使用 --patience 参数时，你通常不需要进行额外的设置。