YOLOV5训练代码train.py注释与解析.pdf

YOLOV5训练代码train.py注释与解析 YOLOV5训练代码train.py 注释与解析 本⽂主要对的训练代码train.py的解析，由于yolov5还在开发当中，平常多多少少都会修复⼀些bug或者有⼀些代码和功能的更新，但基本 上不会有很⼤的改动，故以下注释与解析都是适⽤的；当然如果有⼤改动，笔者也会更新注释。 2020.9.3 1.更新了最新的代码解析注释(其实也不算最最新的,是这周⼀(8.31)clone的代码, 最近⽐较忙,今天才把注释完成,主要在于添加了分布 式计算的⼀些代码,以及更新了⼀些⼩细节的东西; 2.由于笔者⽬前还没试⽤过分布式训练的代码,可能对这⽅⾯代码理解不是很好,如有问题欢迎指正,谢谢; 3.以前版本(7.20)的注释我也会留着; 2020.8.31版本 超⽂件hyp 解析 1 # Hyperparameters for VOC finetuning 2 # python train.py --batch 64 --weights yolov5m.pt --data voc.yaml --img 512 --epochs 50 3 # See tutorials for hyperparameter evolution /ultralytics/yolov5#tutorials 4 5 6 # Hyperparameter Evolution Results 7 # Generations: 51 8 # P R mAP.5 mAP.5:.95 box obj cls 9 # Metrics: 0.625 0.926 0.89 0.677 0.0111 0.00849 0.00124 10 11 lr0: 0.00447 #学习率 12 lrf: 0.114 #余弦退⽕超参数 13 momentum: 0.873 #学习率动量 14 weight_decay: 0.00047 #权重衰减系数 15 损失的系数 giou: 0.0306 # giou 16 cls: 0.211 #分类损失的系数 17 分类 中正样本的权重 cls_pw: 0.546 # BCELoss 18 obj: 0.421 #有⽆物体损失的系数 19 有⽆物体 中正样本的权重 obj_pw: 0.972 # BCELoss 20 标签与 的 阈值 iou_t: 0.2 # anchors iou iou training threshold 21 标签的长 宽 的长 宽 阈值 即 都要在 之间 anchor_t: 2.26 # h w/anchor h_a w_a , h/h_a, w/w_a (1/2.26, 2.26)anchor-multiple threshold 22 # anchors: 5.07 23 设为 则表⽰不使⽤ fl_gamma: 0.0 # 0 focal loss(efficientDet default is gamma=1.5) 24 下⾯是⼀些数据增强的系数包括颜⾊空间和图⽚空间 # , 25 hsv_h: 0.0154 #⾊调 26 hsv_s: 0.9 #饱和度 27 hsv_v: 0.619 #明度 28 旋转⾓度 degrees: 0.404 # 29 translate: 0.206　 #⽔平和垂直平移 30 scale: 0.86　 #缩放 31 shear: 0.795 #剪切 32 perspective: