YOLOv5 训练train参数解读

最新推荐文章于 2025-03-20 14:26:36 发布

车大划水冠军%

最新推荐文章于 2025-03-20 14:26:36 发布

阅读量3.6k

点赞数 5

文章标签： python 深度学习

本文链接：https://blog.youkuaiyun.com/m0_61729640/article/details/126996027

版权

train.py 运行参数共计34个，以及额外4个日志输出控制参数。仅解释各参数的作用，具体参数的类型、默认值、输入后的运作模式在其他部分介绍。

参数	含义	深入解释
weights	模型的权重	.pt文件，存储了模型的所有参数
cfg	config，模型配置文件	.yaml文件，存储模型各层的形状和类别
data	数据文件	.yaml文件，存储训练、验证、测试集地址或索引
hyp	hyperparameter，超参数文件	.yaml文件，存储超参数
eopchs	时代，训练轮数	训练的轮数，整个数据集将被迭代的次数，一轮即train.py文件在所有训练集上完成一次遍历
batch-size	批大小，批量规模	为提升效率进行批处理，单次训练会将多个图片以某种方式组合到一起，再输入到模型进行训练，组合的图片数量即批大小
imgsz	输入模型的图片统一大小	一组训练集的图片可能有不同尺寸，而模型的输入接收端口是固定的。因此正式训练前，图片需要先处理成统一的大小，一般处理成正方形，边长为imgsz
rect	rectangle矩形	进行矩形训练？？？？
resume	中断后继续	恢复最近保存的模型并开始训练
nosave	不保存结果	仅会保存最终的checkpoint
noval	不验证	正常每轮训练结束后都会验证，设为true则只进行最后一次验证
noautoanchor	不自动确定锚框	取消计算label锚框的聚类中心。模型需要label矩形长宽比的聚类结果，这种聚类后的锚框能够加速模型收敛。设为false则不会计算，可能会降低模型收敛速度。如果已经提前计算好锚框聚类中心，可写入到模型配置.yaml文件中，不需要自动计算功能。
noplots	不做图	模型会输出一些图片比如loss随epoch的变化（即收敛情况），设为false则不输出图片。
evolve	进化，超参更新代数	更新多少代超参数。怎么更新，超参不是存在yaml文件中吗？
bucket	桶，云的容器，是否上传到云	Gustil bucket。gustil是一个谷歌云提供的python包，功能是实现数据云上传存储处理等操作；bucket指数据的容器，或理解成cloud上的一个文件夹。
cache	缓存，选择缓存硬件	可以选择在ram或者在disk上进行缓存，默认直接在ram
image-weights	是否采用图像权重进行选择训练	设为True时，计算图像采集的权重，若图像权重越大,那么该图像被采样的概率也越大
device	运行代码的硬件	可以指定cpu或者在某一编号的gpu上运行代码，gpu跑得快
multi-scale	是否多尺度训练图片	设为True时，将图片放缩成多个尺寸，能够得到不同尺度的特征信息，但速度慢。
single-cls	single class，单类别训练	设为True时，把多类别标签都视为同一种标签进行训练。
optimizer	优化器	默认SGD，有3种可选择'SGD', 'Adam', 'AdamW'
sync-bn	synchronized batch normalization，同步批处理	使用多GPU进行分布式训练时，不同GPU的训练batch需要同步。设为True则开启。
workers	进程数量	最大的数据加载器的进程数量（在DDP模式下每个RANK）
project	运行项目	运行结果保存到的文件夹总地址，如runs/train/或runs/detect
name	名称	即每次运行结果所保存到的文件夹名称，如设置为exp，不同次项目运行结果将保存到runs/train/exp1或exp2…，后缀会增加
exist-ok	存在正常	现有项目正常，不用对exp的数字后缀递增。即设为True，项目运行结果将保存到现有文件夹中，而不是新建一个exp文件夹。
quad	是否使用四元数据加载器	一个实验性功能参数，允许小尺寸图片训练时获得高尺寸训练的优势
cos-lr	cosine learning rate scheduler，余弦学习率调度器	设为True时开启余弦学习率调度器
label-smoothing	标签平滑	计算的loss有所变化，作用是防止过拟合，但数值过大会导致欠拟合
patience	耐心值	训练提前停止的阈值轮数，如果经过patience轮训练，效果一直没有提升，就提前停止训练
freeze	冻结	冻结网络的指定层，冻结的层的权重在训练过程中不会改变
save-period	保存周期	每一定轮数保存一次checkpoint
seed	随机种子	固定训练的随机性
local_rank	本地进程号	多GPU模型自动修改，不用手动修改。