跟土堆学yolov5目标检测p7训练yolov5模型（本地）（二）

train.py参数介绍

1.

parser.add_argument('--evolve', type=int, nargs='?', const=300, help='evolve hyperparameters for x generations')

--evolve 超参数的一种调整方式，设为默认即可

2.

parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')

--bucket 作者一开始将一些参数放到谷歌云盘上，现在不需要了

3.

parser.add_argument('--cache', type=str, nargs='?', const='ram', help='image --cache ram/disk')

--cache  是否缓存图片提高速率 默认不开启

4.

parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')

--image-weights 对于上一轮测试图片效果不好的类别会增加权重，默认就好，作者测试发现效果不是很理想。

5.

parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')

--device 默认就好

6.

parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')

--multi-scale 对图片尺寸进行变换

7.

parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')

--single-cls 训练的种类是单类别还是多类别

8.

parser.add_argument('--optimizer', type=str, choices=['SGD', 'Adam', 'AdamW'], default='SGD', help='optimizer')

--optimizer 优化器，默认SGD

9.

parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')

parser.add_argument('--workers', type=int, default=0, help='max dataloader workers (per RANK in DDP mode)')

DDP 多GPU进行分布式训练

--workers 建议修改为0

10.

parser.add_argument('--project', default=ROOT / 'runs/train', help='save to project/name')

--project 训练后保存权重的文件所在地址

11.

parser.add_argument('--entity', default=None, help='Entity')

--entity W&B 绘图库 默认就好

12.

parser.add_argument('--name', default='exp', help='save to project/name')

--name 训练后权重文件夹的名字，默认exp，位于project下

13.

parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')

--exist-ok 设置为True 则权重只会保存在Project/exp 下面，而不会累加

14.

parser.add_argument('--quad', action='store_true', help='quad dataloader')

--quad 对于尺寸大于640的图片可以提升效果，对于640的效果会变差

15.

parser.add_argument('--cos-lr', action='store_true', help='cosine LR scheduler')

--cos-lr 默认设置为false，默认位线性的学习率

 16.

parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')

--label-smoothing  防止过拟合的产生，标签平滑

总结

权重为yolov5s.pt

配置文件(网络架构）为：models/yolov5s.yaml

数据存放地址：data/coco128.yaml  coco数据集前128张图片

超参数为：data/hyp.scratch.yaml  专门用于coco数据集训练的配置参数

epoch：训练轮数300轮

batchsize：每次加载16张图片

imgsize：图片大小为640

rect：不采用矩形训练

resume：不继续训练