目標檢測---教你利用yolov5訓練自己的目標檢測模型

if __name__ == '__main__':

"""

     opt 模型主要引數解析：

     --weights ：初始化的權重檔案的路徑地址

     --cfg ：模型 yaml 檔案的路徑地址

     --data ：資料 yaml 檔案的路徑地址

     --hyp ：超引數檔案路徑地址

     --epochs ：訓練輪次

     --batch-size ：喂入批次檔案的多少

     --img-size ：輸入圖片尺寸

     --rect: 是否採用矩形訓練，預設 False

     --resume: 接著打斷訓練上次的結果接著訓練

     --nosave: 不儲存模型，預設 False

     --notest: 不進行 test ，預設 False

     --noautoanchor: 不自動調整 anchor ，預設 False

     --evolve: 是否進行超引數進化，預設 False

     --bucket: 谷歌雲盤 bucket ，一般不會用到

     --cache-images: 是否提前快取圖片到記憶體，以加快訓練速度，預設 False

     --image-weights ：使用加權影像選擇進行訓練

     --device: 訓練的裝置， cpu ； 0( 表示一個 gpu 裝置 cuda:0) ； 0,1,2,3( 多個 gpu 裝置 )

     --multi-scale: 是否進行多尺度訓練，預設 False

     --single-cls: 資料集是否只有一個類別，預設 False

     --adam: 是否使用 adam 最佳化器

     --sync-bn: 是否使用跨卡同步 BN, 在 DDP 模式使用

     --local_rank ： DDP 引數，請勿修改

     --workers ：外匯跟單gendan5.com最大工作核心數

     --project: 訓練模型的儲存位置

     --name ：模型儲存的目錄名稱

     --exist-ok ：模型目錄是否存在，不存在就建立

"""

     parser = argparse.ArgumentParser()

     parser.add_argument('--weights', type=str, default='yolov5s.pt', help='initial weights path')

     parser.add_argument('--cfg', type=str, default='', help='model.yaml path')

     parser.add_argument('--data', type=str, default='data/coco128.yaml', help='data.yaml path')

     parser.add_argument('--hyp', type=str, default='data/hyp.scratch.yaml', help='hyperparameters path')

     parser.add_argument('--epochs', type=int, default=300)

     parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs')

     parser.add_argument('--img-size', nargs='+', type=int, default=[640, 640], help='[train, test] image sizes')

     parser.add_argument('--rect', action='store_true', help='rectangular training')

     parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')

     parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')

     parser.add_argument('--notest', action='store_true', help='only test final epoch')

     parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')

     parser.add_argument('--evolve', action='store_true', help='evolve hyperparameters')

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

     parser.add_argument('--cache-images', action='store_true', help='cache images for faster training')

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

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

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

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

     parser.add_argument('--adam', action='store_true', help='use torch.optim.Adam() optimizer')

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

     parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')

     parser.add_argument('--workers', type=int, default=8, help='maximum number of dataloader workers')

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

     parser.add_argument('--entity', default=None, help='W&B entity')

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

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

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

     parser.add_argument('--linear-lr', action='store_true', help='linear LR')

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

     parser.add_argument('--upload_dataset', action='store_true', help='Upload dataset as W&B artifact table')

     parser.add_argument('--bbox_interval', type=int, default=-1, help='Set bounding-box image logging interval for W&B')

     parser.add_argument('--save_period', type=int, default=-1, help='Log model after every "save_period" epoch')

     parser.add_argument('--artifact_alias', type=str, default="latest", help='version of dataset artifact to be used')

     opt = parser.parse_args()