Heading level 1

Heading level 2

Heading level 3

Heading level 4

Heading level 5

Heading level 6

Dorothy followed her through many of the beautiful rooms in her castle.

The Witch bade her clean the pots and kettles and sweep the floor and keep the fire fed with wood.

The quarterly results look great!

Revenue was off the chart.

Profits were higher than ever.

Everything is going according to plan.

python train.py --data RM.yaml --cfg yolov5s_RM.yaml --weights yolov5s.pt --epoch 120 --batch-size 16 --device 0

训练结束后会在./runs中生成/train/expX文件夹，最后训练出的模型为/expX/weights/best.pt，加载这个模型即可进行目标检测
例如：

python3 detect.py --weights ./runs/train/exp2/weights/best.pt --source 0 --device 0

一些参数 YOLOv5训练与测试参数介绍
train.py

--weigths: 指的是训练好的网络模型，用来初始化网络权重
--cfg：为configuration的缩写，指的是网络结构，一般对应models文件夹下的xxx.yaml文件
--data：训练数据路径，一般为data文件夹下的xxx.yaml文件
--epochs：设置训练的轮数
--batch-size：每次输出给神经网络的图片数
--rect：是否采用矩形训练
--resume：指定之前训练的网络模型，并继续训练这个模型
--cache-images：是否对图片进行缓存，可以加快训练
--device：训练网络的设备cpu还是gpu
--sync-bn：生效后进行多 GPU 进行分布式训练
--workers: 多线程训练
--name：训练结果保存文件名
--multi-scale：训练过程中对图片进行尺度变换