yolov5-6.x训练参数

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