YOLOv5详解
1. 模型结构
2. 训练流水线
- 解析 --cfg(模型 yaml)、--data(数据 yaml,如 data/coco128.yaml)、--hyp(超参 yaml,data/hyps/)。
- 用 DetectionModel(cfg) 建网络;若给 --weights 则 attempt_load 迁移权重。
- 用 utils/dataloaders.py 的 create_dataloader() 建 LoadImagesAndLabels → DataLoader;里面串起 utils/augmentations.py(Mosaic、HSV、翻转等)。
- utils/autoanchor.py 检查 anchor 是否匹配数据集,必要时 k-means 重算。
- 优化器/调度器/EMA 在 utils/torch_utils.py。
- 训练循环里:pred = model(imgs) → loss = ComputeLoss(pred, targets)(utils/loss.py,含 box/obj/cls 三项 + 正样本匹配)→ backward → step。
- 每个 epoch 末调用 val.py 算 mAP;日志走 utils/loggers/(TensorBoard/W&B/ClearML/Comet)。
- 保存 last.pt / best.pt。