YOLOv5一些相关参数（边学边补）

1，conf_thres : 想让YOLO只标记可能性高的地方（只有超过这个值才能显示结果），

2，iou_thres : 简单的说根据具体情况进行对参数的设置
                     a，越大，对于同一物品的不同预测结果 当成 对多个物品的多个预测结果，导致一个物品出现了多个预测结果
                     b，越小，对于多个物品的不同预测结果 当成 对同一物品的不同预测结果，导致多个物品只出现一个预测结果

3，P：Precision，精确率       R：Recall，召回率

4，F1：F-Measure，F值，P与R的调和平均

5，PR图：横坐标是R值，纵坐标是P指，曲线表示当召回率为R时，精确率P的大小

6，AP：以某种方式计算AP值来表示PR图的面积

7，mAP：每个类的AP值的平均数，用于表示多类标签预测的性能，如AP一样，mAP越高，性能越好

8，weigths：指的是训练好的网络模型，用来初始化网络权重

9，cfg：网络结构

10，data：训练数据路径

11，hyp：训练网络的一些超参数设置

12，epochs：训练迭代次数

13，batch-size：每次给定神经网络的图片数目

14，imgsz：训练图片尺寸

15：rect：是否采用矩形训练

16：resume：指定你之前训练的网络模型，想继续训练这个模型

17：nosave：只保留最终网络模型

18：noautoanchor：是否采用锚点

19：evolve：是否寻找最优参数

20：bucket：没用了

21：cache：是否对图片进行缓存，加快训练

22：image-weights：测试过程中，图像的那些测试地方不太好，对这些不太好的地方加权重

23：device：训练网络的设备cpu还是gpu

24：multi-scale：图片尺度变换

25：single-cls：训练数据集是单类别还是多类别

26：adam：是否采用adam

27：sync-bn：分布式训练

28：workers：多线程训练

29：projcet：训练结果保存路径

30：name：训练结果保存文件名

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

36：freeze：冻结哪些层，不去更新训练这几层的参数

37：save-period：训练多少次保存一次网络模型

38：local-rank：分布式训练