name: 保存结果的文件名。 exist-ok: 允许覆盖已存在的项目和文件。half: 使用FP16半精度推理。dnn: 使用OpenCVDNN进行ONNX推理。
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('--...
name: 训练结果保存文件名,默认在exp文件夹; exist-ok: 覆盖掉上一次的结果,不新建训练结果文件;如果指定了这个参数的话,那么本次预测的结果还是保存在上一次保存的文件夹里;如果不指定,就是每预测一次结果,就保存在一个新的文件夹里。 quad:在dataloader时采用什么样的方式读取我们的数据 linear-lr:用于对学习速...
name: 结果保存的子目录名称,默认为 'exp' exist-ok: 是否覆盖已有结果,默认为 False line-thickness: 画bounding box 时的线条宽度,默认为 3 hide-labels: 是否隐藏标签信息,默认为 False hide-conf: 是否隐藏置信度信息,默认为 False half: 是否使用 FP16 半精度进行推理,默认为 False dnn: 是否使用 OpenCV...
–exist-ok: 覆盖掉上一次的结果,不新建训练结果文件 –quad:在dataloader时采用什么样的方式读取我们的数据 –linear-lr:按照线性的方式去调整学习率 –label-smoothing: 对标签平滑,防止过拟合 –upload_dataset:Upload dataset as W&B artifact table
exist-ok: 覆盖掉上一次的结果,不新建训练结果文件 quad:在dataloader时采用什么样的方式读取我们的数据 linear-lr:用于对学习速率进行调整,默认为 false,含义是通过余弦函数来降低学习率,生效后按照线性的方式去调整学习率 save_period:用于记录训练日志信息,int 型,默认为 -1 ...
31:exist-ok:覆盖掉上一次结果,不新建训练结果文件 32:quad:在dataloader时采用什么样的方式读取我们的数据 33:linear-lr:按照线性的方式去调整学习率 34:label-smoothing:对标签平滑,防止过拟和 35:patience:当early stop被激活(如发现loss相比上一个epoch训练没有下降),则经过patience个epoch后停止训练 ...
31:exist-ok:覆盖掉上一次结果,不新建训练结果文件 32:quad:在dataloader时采用什么样的方式读取我们的数据 33:linear-lr:按照线性的方式去调整学习率 34:label-smoothing:对标签平滑,防止过拟和 35:patience:当early stop被激活(如发现loss相比上一个epoch训练没有下降),则经过patience个epoch后停止训练 ...
(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...
self.exist_ok=exist_ok self.line_thickness=line_thickness self.hide_labels=hide_labels self.hide_conf=hide_conf self.half=half self.dnn=dnndefrun(self):source=str(self.source)save_img=notself.nosaveandnotsource.endswith('.txt')# save inference imagesis_file=Path(source).suffix[1:]in(IM...