第一处：hyp文件中的scale: 0.5；
第二处：train文件中multi-scale（if opt.multi_scale: sz = random.randrange(imgsz * 0.5, imgsz * 1.5 + gs) // gs * gs # size）。
结论1:hyp.scale = 0.5(假如input=640)就代表着参与训练的图片的输入可能是320~640×1.5(小于640的部分会被补上黑边，大于640的部分会被裁掉)。
结论2:train的时候选择--multi-scale，我的mAP会降低，但是train_batch0里的图片和不选择--multi-scale一样.(需要继续探讨，已经issuehttps://github.com/ultralytics/yolov5/issues/7659)
jocher的回复如下。
实验过程（mosaic均 = 0）：
1.hyp.scale = 0；multis_cale = 0 时，train_batch0图片如下所示：
2.hyp.scale = 0；multis_cale = 0.2 时，train_batch0图片如下所示：
3.hyp.scale = 0.2；multis_cale = 0 时，train_batch0图片如下所示：
4.hyp.scale = 0.2；multis_cale = 0.2 时，train_batch0图片如下所示：
