代码调试1：yolo初始训练

代码调试1：yolo初始训练

作者：安静到无声 个人主页

问题1：参数的配置

参数设置	作用	背住
	训练配置
Cuda	是否使用Cuda	没有GPU可以设置成False
distributed	一机多卡训练	可以实现显存的平均分布，一般是需要改正的
sync_bn	是否使用DDP模式多卡可用	布尔型
fp16	混合精度训练，可以加快训练速度	布尔型
	加载文件和权重配置
classes_path	指向model_data下的txt，与自己训练的数据集相关	训练前一定要修改classes_path对应自己的数据集
model_path	预训练权重位置	预训练权重对于99%的情况都必须要用，不用的话主干部分的权值太过随机，特征提取效果不明显，网络训练的结果也不会好
input_shape	输入的shape大小	一定要是32的倍数
phi	所使用到的yolov8的版本	一共有六种
pretrained	是否使用主干网络的预训练权重	此处使用的是主干的权重
	数据增强部分
mosaic	马赛克数据增强	布尔型
mosaic_prob	每个step有多少概率使用mosaic数据增强，默认50%	【0,1】
mixup	是否使用mixup数据增强，仅在mosaic=True时有效。	只会对mosaic增强后的图片进行mixup的处理。
mixup_prob	有多少概率在mosaic后使用mixup数据增强，默认50%	总的mixup概率为mosaic_prob * mixup_prob
special_aug_ratio	参考YoloX，由于Mosaic生成的训练图片，远远脱离自然图片的真实分布。	当mosaic=True时，本代码会在special_aug_ratio范围内开启mosaic。默认为前70%个epoch，100个世代会开启70个世代。
label_smoothing	标签平滑。一般0.01以下。如0.01、0.005。