训练yolov5模型（本地）
训练文件 train.py训练如下图
一些参数的设置weights:对于weight参数，可以往Default参数中填入的参数有
cfg：（缩写）cfg参数可以选择的网络模型
data对于data
hyp 超参数epochs 训练多少轮batch-size 把多少数据打包成一个batch，送到网络当中img-sizerect：矩阵的训练方式resumenosavenotestnoautoanchor 锚点evolvebucketcache-imageimage-weightdevicemulti-scalesingle-clsadam 优化器sync-bnlocal_rankprojectentitynameexist-okquadlinear-lrLabel-smoothingsave-period
训练文件 train.py
往下翻，找到main函数
这里的works最好设置为0 运行如图，下载coco数据集中
超参数：学习速率等各种参数 库：显示权重
训练如下图
出现数据集下载的问题可以参考下面的解决方法 Dataset autodownload failure
训练文件保存的目录
如果没有发现该文件夹可以进行刷新
best.pt ：在哪个训练轮数当中最好效果的网络模型参数 last.pt：最后一个训练的网络模型 hyp.yaml :训练过程中对模型的一些超参数 labels.jpg：标注的分布 labels_correlogram:标注的一些相关矩阵 opt.yaml:在训练过程中对参数的一些设置 results.txt：对训练结果的一些记录 tran_batch0.jpg：训练的一些图片
一些参数的设置
weights:
指定训练好模型的路径，用该模型去初始化网络中的一些参数（自动去下载这些模型），如果我自己拥有一个训练好的模型，放在某一个路径，把这个路径放进来，就会用我训练好的模型作为训练过程中模型的参数初始化。 但是我们现在的训练一般是从头开始训练，所以这里默认为空，采用程序对参数的权重对它初始化，不采用训练好的模型对他初始化
对于weight参数，可以往Default参数中填入的参数有
cfg：（缩写）
关于模型的一些配置，一般都存在model里面， 整个yolov55总共可以分为4个模型， 里面都是模型参数的一些设置
nc:模型应该分为多少个类 depth_multiple:模型的一些深度
如果选择小模型复制路径填入default 修改之后的代码为 我们现在来训练模型，这个模型的结构是yolov5s,其中的一些模型初始化的参数采用程序之中的简单初始化，不用其他已经训练好的模型来指定参数初始化
cfg参数可以选择的网络模型
data
指定训练数据集
download :指定从哪里下载数据集，没法下载就从浏览器复制地址粘贴下载 train:指定coco数据集应该下载到什么地方 nc:总共有多少个类别 names:每个类别的名称是什么 0 类别代表人
对于data
hyp 超参数
scratch 从头开始，一般把这个文件作为从头开始训练的文件 finetune:用于对模型进行一个微调
epochs 训练多少轮
默认300轮
batch-size 把多少数据打包成一个batch，送到网络当中
img-size
去分别设置训练集，和数列集的大小 5s对应640
rect：矩阵的训练方式
加速模型。减少不必要信息
resume
从最近训练的一个模型当中在它的基础上进行一个训练 默认是false，但并不是设置为ture就是能运行的，需要指定在哪一个模型的基础上进行一个继续的训练，需要告诉它模型处在什么地方，所以default 后应该设置为模型的位置 需要指定之前训练的模型文件，因为需要读取模型文件和相应的配置
运行就是从该模型停止的地方继续
nosave
我们在一个模型上训练很多次，如果设置为true，就生效了，只保存最后一次epoch训练的模型的一些权重数据，保存为pt文件
notest
是否只对最后一个epoch进行测试，按理说是对每个epoch上进行测试
noautoanchor 锚点
在目标检测算法中，大致可以分为有锚点的模型和没有锚点的模型
这里建议去查一下锚点锚框的相关知识
以前要是在图片中检测目标的话，要在图片上进行一个遍历，比如滑动窗口。现在都采用锚点的方式。
指定参数就会把锚点取消，默认是开启的
evolve
默认开启，对参数进行进化，寻找最优参数的方式 如果不明白参数是什么意思，可以去百度复制一下询问
bucket
作者之前把一些东西放在谷歌云盘上了，通过这个可以直接下载
cache-image
是否把图片缓存用于更好的训练
image-weight
从我们上一轮的测试过程中，对于哪些测试图片/测试部分，测试效果不好，在下一轮的训练过程中会对这些图片加一些相关的权重
device
设备
multi-scale
对图片尺寸进行变换
single-cls
训练的数据集是单类别还是多类别
adam 优化器
true选择优化器，false选择随机梯度下降
sync-bn
带DDP字眼的可以不用看了 分布式训练，多cpu
local_rank
DDP参数，不要去改
project
文件默认位置
entity
库，不用管
name
保存的文件名
exist-ok
不设置会存在exp1,2,3,4,5 设置了就存在一个exp里面
quad
按住ctrl+F可以找到的单词在什么位置，看源码 或者在问题里查询
linear-lr
对学习速率进行调整
Label-smoothing
标签平滑
save-period
程序日志
精彩文章
您阅读本篇文章共花了：
发表评论