目标检测---教你利用yolov5训练自己的目标检测模型

if __name__ == '__main__':

"""

    opt模型主要参数解析：

    --weights：初始化的权重文件的路径地址

    --cfg：模型yaml文件的路径地址

    --data：数据yaml文件的路径地址

    --hyp：超参数文件路径地址

    --epochs：训练轮次

    --batch-size：喂入批次文件的多少

    --img-size：输入图片尺寸

    --rect:是否采用矩形训练，默认False

    --resume:接着打断训练上次的结果接着训练

    --nosave:不保存模型，默认False

    --notest:不进行test，默认False

    --noautoanchor:不自动调整anchor，默认False

    --evolve:是否进行超参数进化，默认False

    --bucket:谷歌云盘bucket，一般不会用到

    --cache-images:是否提前缓存图片到内存，以加快训练速度，默认False

    --image-weights：跟单网gendan5.com使用加权图像选择进行训练

    --device:训练的设备，cpu；0(表示一个gpu设备cuda:0)；0,1,2,3(多个gpu设备)

    --multi-scale:是否进行多尺度训练，默认False

    --single-cls:数据集是否只有一个类别，默认False

    --adam:是否使用adam优化器

    --sync-bn:是否使用跨卡同步BN,在DDP模式使用

    --local_rank：DDP参数，请勿修改

    --workers：最大工作核心数

    --project:训练模型的保存位置

    --name：模型保存的目录名称

    --exist-ok：模型目录是否存在，不存在就创建

"""

    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()