[ultralytics/yolov5]请问这三个文件的区别？以及如何在程序中

你的教程，我感觉写的比较笼统和广泛，一些关于参数/文件的含义以及如何配置的详细问题，我应该在哪里寻找答案？您有整理或总结过相关问题吗？谢谢

@Wanghe1997 hyp文件在训练期间指定，即python train.py --hyp hyp.scratch.yaml https://github.com/ultralytics/yolov5/blob/c2523be634a94da2b1b2a43c11b25827a0de990d/train.py#L445

• finetune.yaml：在 VOC 上演化而来
• finetune_objects365：在 Objects365 上演变
• 划痕：默认
• scrap_low：适用于较小的型号，即 v5n、v5s
• scrap_med：适用于中型型号，即 v5m
• scrap_high：适用于大型模型，即 v3、v3-spp、v5l、v5x

感谢你。Q1：scratch:default是否意味着所有尺寸的模型都可以尝试？为什么小模型要设置小的初始学习率？Q2：对于小模型（v5n,v5s），训练过程中batch-size设置小（8,16）好还是大（32,64,128）好？批量大小设置有什么技巧或参数吗？

@Wanghe1997 批量大小应设置得尽可能大，以充分利用 GPU。

您可以使用YOLOv5 AutoBatch（新）通过传递 来找到最适合您的训练的批量大小--batch-size -1。根据您的训练设置，AutoBatch 将求解 90% 的 CUDA 内存利用率批量大小。AutoBatch 是实验性的，仅适用于单 GPU 训练。它可能不适用于所有系统，并且不建议用于生产用途。

祝您好运，如果您有任何其他问题，请告诉我们！

@Wanghe1997 是的

那么只要在train.py中将batch-size设置为1，程序就会自动执行AutoBatch吗？除此之外不需要做任何配置吗？

@Wanghe1997 不，截图显示-1，而不是1

好，谢谢

我刚刚用我的数据集测试了 AutoBatch，测得的最佳批量大小是 111。但是，我使用 111 这个值来训练 yolov5s，它提示错误：无法找到有效的 cuDNN 算法来运行卷积。我感觉Autobatch测试不准确！虽然我的显卡是RTX3090，24G显存，但是理论上无法承受这么大的batch size

@Wanghe1997 感谢您的反馈。如上所述：

不客气。我的系统是windows10，正好用RTX3090单卡进行测试。看来 AutoBatch 还不太准确。或者只能针对coco128进行计算，而不能针对自定义数据集进行计算？

@Wanghe1997 数据集并不重要。它仅在具有 K80、T4、P100、V100、A100 的 Colab 实例上进行了评估，因此还没有消费者卡。