使用 CUDA device0 _CudaDeviceProperties(name='Tesla T4', total_memory=15109MB)
Namespace(adam=False, batch_size=64, bucket='', cache_images=False, cfg='models/yolov5s.yaml', data='asl.yaml', device='', epochs=3,evolve =False, global_rank=-1, hyp='data/hyp.scratch.yaml', image_weights=False, img_size=[640, 640], local_rank=-1, logdir='runs/', multi_scale=False, name= 'asl_example', noautoanchor=False, nosave=False, note=False, rect=False, resume=False, single_cls=False, sync_bn=False, total_batch_size=64, weights='yolov5s.pt', workers=8, world_size= 1) 用“tensorboard --logdir running/”启动Tensorboard，在http://localhost:6006/查看 2021-02-19 17:18:24.635404: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] 成功打开动态库 libcudart.so.10.1 超参数 {'lr0': 0.01, 'lrf': 0.2, 'momentum': 0.937, 'weight_decay': 0.0005, 'warmup_epochs': 3.0, 'warmup_momentum': 0.8, 'warmup_bias,'05'1r: 'cls'：0.5，'cls_pw'：1.0，'obj'：1.0，'obj_pw'：1.0，'iou_t'：0.2，'anchor_t'：4.0，'fl_gamma'：0.0，'hsv.0sv_h5' '：0.7，'hsv_v'：0.4，'度'：0.0，'平移'：0.1，'比例'：0.5，'剪切'：0.0，'透视'：0.0，'翻转'：0.0，'翻转'： 0.5，“马赛克”：1.0，“混合”：0.0} 用 nc=28
覆盖 model.yaml nc=80 from n params module arguments
0 -1 1 3520 模型.common.Focus [3, 32, 3]
1 -1 1 18560 模型.common.Conv [32, 64, 3, 2]
2 -1 1 19904 models.common.BottleneckCSP [64, 64, 1]
3 -1 1 73984 models.common.Conv [64, 128, 3, 2]
4 -1 1 161152 models.common.BottleneckCSP [128, 128, 3]
5 -1 1 295424 models.common.Conv [128, 256, 3, 2]
6 -1 1 641792 models.common.BottleneckCSP [256, 256, 3]
7 -1 1 1180672 models.common.Conv [256, 512, 3, 2]
8 -1 1 656896 models.common.SPP [512, 512, [5, 9, 13]]
9 -1 1 1248768 models.common.BottleneckCSP [512, 512, 1, False]
10 -1 1 131584 models.common.Conv [512, 256, 1, 1]
11 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest']
12 [-1, 6] 1 0 模型.common.Concat [1]
13 -1 1 378624 models.common.BottleneckCSP [512, 256, 1, False]
14 -1 1 33024 models.common.Conv [256, 128, 1, 1]
15 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest']
16 [-1, 4] 1 0 模型.common.Concat [1]
17 -1 1 95104 models.common.BottleneckCSP [256, 128, 1, False]
18 -1 1 147712 models.common.Conv [128, 128, 3, 2]
19 [-1, 14] 1 0 模型.common.Concat [1]
20 -1 1 313088 models.common.BottleneckCSP [256, 256, 1, False]
21 -1 1 590336 models.common.Conv [256, 256, 3, 2]
22 [-1, 10] 1 0 models.common.Concat [1]
23 -1 1 1248768 models.common.BottleneckCSP [512, 512, 1, False]
24 [17, 20, 23] 1 89001 models.yolo.Detect [28, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]]
模型总结：191层，7.32791e+06个参数，7.32791e+06个梯度，17.0 GFLOPS
从 yolov5s.pt 转移了 362/370 个项目 优化器组：62 .bias，70 conv.weight，59 其他 扫描标签 asl_yolo/labels/train.cache (19113 found, 0 missing, 9 empty, 0 duplicate, for 19122 images): 19122it [00:01, 15994.32it/s] 扫描标签asl_yolo/labels/validation.cache（4779个发现，0个缺失，9个空，0个重复，4788张图片）：4788it [00:00, 7887.93it/s] NumExpr 默认为 2 个线程。
分析锚点...锚点/目标 = 2.52，最佳召回率 (BPR) = 1.0000 图像大小 640 训练，640 测试 使用 2 个数据加载器工作器 将结果记录到 running/exp18_asl_example 开始训练 3 个 epochs...
Epoch gpu_mem GIoU obj cls total targets img_size
0% 0/299 [00:00