Não altere os valores no arquivo de hiperparâmetros se nada acontecer. Eles são todos adaptativos.
超参数文件中的值，没事就别改了，都是自适应。
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 https://github.com/ultralytics/yolov5#tutorials
4
5
6 # Hyperparameter Evolution Results
7 # Generations: 306
8 # P R mAP.5 mAP.5:.95 box obj cls
9 # Metrics: 0.6 0.936 0.896 0.684 0.0115 0.00805 0.00146
10
11 # 这一页的参数其实不用改，都是超参数的初始值，你改个毛！
12
13 # 初始化学习率
14 lr0: 0.0032
15 # 余弦退伙，使用余弦函数动态降低学习率
16 lrf: 0.12
17 # 动量一半都是0.95左右，类似于力的合成，计算最优的步伐，加快收敛
18 momentum: 0.843
19 # 权重衰减，加入正则项以后，权重更新不会变化剧烈，避免过拟合
20 weight_decay: 0.00036
21 # 对于新的数据，让模型预热，适应一下；个人理解：找一个梯度下降的合理起点
22 # 相反如果学习率大，达到阔斧的进行优化，很可能学偏了
23 warmup_epochs: 2.0
24 warmup_momentum: 0.5
25 warmup_bias_lr: 0.05
26 # box loss gain
27 box: 0.0296
28 # cls loss gain
29 cls: 0.243
30 # cls BCELoss positive weight
31 cls_pw: 0.631
32 # 损失函数系数
33 obj: 0.301
34 # 正样本权重
35 obj_pw: 0.911
36 # IOU阈值
37 iou_t: 0.2
38 # label长宽比和先验框长宽的比例阈值
39 anchor_t: 2.91
40 # anchors: 3.63 以下是图像增强的参数，不用改
41 fl_gamma: 0.0
42 hsv_h: 0.0138
43 hsv_s: 0.664
44 hsv_v: 0.464
45 degrees: 0.373
46 translate: 0.245
47 scale: 0.898
48 shear: 0.602
49 perspective: 0.0
50 flipud: 0.00856
51 fliplr: 0.5
52 mosaic: 1.0
53 mixup: 0.243