距离YOLOv6发布已经有一周的时间了，中途修复了好多bug，一起来看看吧

官网网址：

YOLO v6https://github.com/meituan/YOLOv6

train.py参数分析

打开文件tools->train.py

1、介绍

 没啥用，担心我们不知道这是YOLOv6的train文件....

2、--data-path

 存放数据集路径的yaml，作者提供了一个coco和一个yolo格式训练的yaml

注意：v6不需要使用images文件夹，将以前images中的train和val文件夹图片与labels文件放在同一个目录就可以了，不然容易找不到数据集，这个bug官方还未更新，更新了请提醒我（7月1日）

正确的YOLO格式yaml文件：

将数据集A放在根目录：

还有一点，yolo v6目前使用单类别数据集训练时，会出现一系列的报错，尽量使用多类别，这个bug官方目前还没修复，虽然他们说支持单类别...

3、--conf-file 

 用于指定模型配置文件，根据自己的需求进行配置；v6的配置文件中使调参又方便了一些

 4.--img-size

 训练时图片的大小，默认是640*640，根据自己需求进行调整

5.--batch-size

 这个根据自己电脑显存进行调节，尽量越大越好

6、--epochs

 训练的次数，并不是越大越好，300左右基本就可以了

7、--workers

 默认8就好，如果自己电脑硬件不支持就填0，越接近0，训练的时候就会越占用CPU

8、--device

 显卡的使用，默认就是使用第一张卡

9、--eval-interval

 更新间隔评估；这个参数是真的坑，默认每20次更新一次，导致很多人的map都是0，还以为是程序的问题，坑了一大片人，官网论坛都在问，官方也没说是这里的情况

10、--eval-final-only

 在最后一个批次进行评估；默认是true，不需要进行改动

11、--heavy-eval-range

 在最后50个epochs时进行持续更新，可以和--eval-interval 一起使用

12、--check-images

 训练前检查图像数据集，默认true

13、--check-labels

 训练前检查标签数据集，默认true

14、--output-dir

 训练时输出的路径

15、--name

 训练数据保存到的文件名称

16、--dist_url

 默认的网址；不需要修改

17、--gpu_count

 GPU数量类型；默认整型

18、--local_rank

单机多卡训练；基本用不到

19、--resume

 断点训练，是否在之前训练的一个模型基础上继续训练；需要接着之前训练就改为true

总结：

目前YOLOv6的程序还不够完善，训练时会遇到各种问题，我做了个总结，希望能帮助到你们

最新版YOLOv6训练自己的数据集（超详细完整版！）https://blog.csdn.net/qq_58355216/article/details/125525243?spm=1001.2014.3001.5502

YOLOv6训练时报错解决方法https://blog.csdn.net/qq_58355216/article/details/125552713?spm=1001.2014.3001.5502下面是测试的教程：

手把手教你运行YOLOv6（超详细）https://blog.csdn.net/qq_58355216/article/details/125497521?spm=1001.2014.3001.5502

如果对你有帮助，请给个点赞关注支持吧！

持续更新中 ...