借鉴了大佬的,链接找不到了。
预训练模型,如果为空则从头开始,如果使用已有模型继续训练,只是会更好的拟合数据,并不会继承上一个模型,(个人理解)
parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
模型的参数配置, 例如yolov5s.yaml,这个文件一般只需要修改一个参数nc,几个类别nc就等于几
parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
标签文件,主要是类名和类别数目,图片路径
parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
超参数,对模型进行一些微调
parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch.yaml', help='hyperparameters path')
训练轮数,按自己电脑配置来调-默认300
parser.add_argument('--epochs', type=int, default=300)
批次,按自己电脑配置来调,默认16
parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs')
输入网络的图片尺寸-640,640
parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
非矩阵大小图片处理方式,是否采用矩形训练